# MAI-Voice-2.1 与 Flash：多语TTS双版本



Microsoft



同次发布的两款TTS均支持23种语言与跨语言保持说话人风格。标准版面向高质量长音频，价格22美元/百万字符；Flash偏向低延迟与高吞吐，15美元/百万字符。微软报告Flash可在150ms端到端延迟内生成45秒音频，属于官方性能说明，非本站实测保证。两版已列出Foundry、MAI Playground、Vercel、Azure Voice Live及OpenRouter等入口；语音克隆须满足各平台同意与准入条件。


## 使用范围

官方列出Foundry、MAI Playground、Vercel、Azure Voice Live和OpenRouter入口；语音克隆须符合各平台同意与准入条件。
- 模型发布日期: 2026年10月01日 · 日期精度
- 审核更新时间: 2026年10月05日 13:26 周一 · 北京时间（UTC+8）

## 来源

- Selected official source excerpt: https://microsoft.ai/news/our-first-streaming-transcription-model/

详情页：https://www.ailyre.com/source/?id=microsoft-mai-voice-2-1&lang=zh