ModelsMulti-source71°

微软发布首款语音对语音模型 MAI Realtime 1,定价每分钟 0.01 美元

微软首款语音对语音模型:MAI Realtime 1 登场,起价每分钟 0.01 美元

Why we picked it

微软自家语音模型终于来了,价格只有 GPT Realtime 2.1 的三分之一左右,还兼容 OpenAI API,迁移成本很低。做语音客服、电话机器人的开发者可以直接对比测试一下。

微软在 11 月 17 日 Ignite 2026 大会上发布首款语音对语音模型 MAI Realtime 1,基础语音使用费为每音频分钟 0.01 美元,涉及推理时按每百万输入 token 1 美元、输出 token 5 美元另行计费。该模型面向真实企业语音场景,能处理打断、快速确认、等待对方说完等对话细节,并在嘈杂环境或多人同时说话时理解用户请求。

Body

技术上,MAI Realtime 1 实时回应语音之外,可在任务需要深入思考时调用更强的推理引擎,并连接企业系统与工具完成预订、客服处理等操作,开发者可通过提示词调整其语气、风格和行为。模型兼容 OpenAI Realtime API,便于迁移现有语音应用,Agoda、Reservations.ai 已开始试用。

性能方面,微软称其在 Big Bench Audio 上取得 98.9% 准确率、每小时输入音频成本约 1.35 美元,对比 GPT-Realtime-2 High 的 96.6%、4.14 美元和 Grok Voice 2.0 的 97.2%、4.80 美元,处于性能—价格前沿。微软计划将其用于 Dynamics 365 Contact Center 客服和 Dragon Copilot 的 AI 模拟患者对话。

Original · IT之家

微软首款语音对语音模型:MAI Realtime 1 登场,起价每分钟 0.01 美元

IT之家 11 月 18 日消息,在昨日(11 月 17 日)召开的 Ignite 2026 大会上, 微软宣布其首款语音对语音模型 MAI Realtime 1,定位为面向真实企业场景的实时语音 AI 。该模型可处理打断、快速确认和等待对方说完等自然对话细节,并能在嘈杂环境或多人同时说话时理解用户请求。 价格方面,微软称该模型基础语音对语音使用费为每音频分钟 0.01 美元 (IT之家注:现汇率约合 0.067 元人民币) ;若涉及推理,则按每百万输入 token 1 美元 (现汇率约合 6.7 元人民币) 、每百万输出 token 5 美元 (现汇率约合 33.4 元人民币) 另行计费。 微软表示 MAI Realtime 1 不仅可实时回应语音,还能在任务需要更深入思考时调用更强的推理引擎,并连接企业系统与工具,完成预订、客服处理等复杂操作;开发者为了适配不同客户和行业,还通过提示词调整其语气、风格和行为。 微软表示,在公开基准测试及内部产品评估中,MAI Realtime 1 在质量、速度和价格上均优于 GPT Realtime 2.1,并在 Big Bench Audio 语音推理和 Tau-Voice 智能体任务完成基准上处于“性能 — 价格”前沿。 微软公布的测试数据显示,MAI Realtime 1 在 Big Bench Audio 上取得 98.9% 的准确率,每小时输入音频成本约为 1.35 美元 (现汇率约合 9 元人民币) ;相比之下,GPT-Realtime-2 High 为 96.6%、每小时 4.14 美元 (现汇率约合 27.7 元人民币) ,Grok Voice 2.0 为 97.2%、每小时 4.80 美元 (现汇率约合 32.1 元人民币) 。 该模型已兼容 OpenAI Realtime API,便于开发者测试和迁移现有语音应用。Agoda、 Reservations.ai 等公司已开始试用。 微软还计划将其用于 Dynamics 365 Contact Center 客服场景,以及 Dragon Copilot 中的 AI 模拟患者对话,帮助护士练习临床沟通。

Industry Coordinates & Source Verification

This report is categorized under AITOP's "Models" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows and US-China foundation model benchmarks and commercialization comparison. Key entities and technical topics under continuous tracking include MAI Realtime 1, Microsoft, GPT Realtime, coding assistants.

Source attribution: curated from IT之家. Cross-source corroboration: 11 independent sources have covered this development (including TestingCatalog, The Rundown AI, Simon Willison’s Weblog), confirming industry-wide signal strength.