模型上新 · Microsoft
MAI-Voice-2.1 与 Flash:多语TTS双版本
- 更新时间
- 发布日期
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。