一句话看懂:微软在 Ignite 2026 上发布首款语音对语音模型 MAI Realtime 1,支持对话打断、噪音环境识别和调用企业系统完成任务,定价约为竞品三分之一,面向企业实时交互场景。
事件核心:发生了什么
2026 年 11 月 17 日,微软在 Ignite 2026 大会上推出 MAI Realtime 1。这是微软首个语音对语音模型,定位企业级实时对话。根据 AIbase 的报道,它能处理打断、简短应答、等待对方说完等对话细节,也能在嘈杂环境或多人同时说话时理解请求;遇到需要深度思考的任务时,可调用更强的推理引擎并连接企业系统,完成预订、客服处理等操作。音色和风格可通过提示词调整。价格方面,原文称其约为竞争对手的三分之一。
为什么重要
语音对语音模型直接连接语音输入与语音输出,省去传统“语音转文字—大模型推理—文字转语音”的多段拼接,延迟和交互自然度是核心指标。微软此时入场,意味着企业语音交互市场的竞争从单一 API 转向端到端模型加生态整合。MAI Realtime 1 强调可打断、能调用企业系统,说明微软押注的是客服、预约、外呼等可落地场景,而非单纯语音助手。三分之一的价格若属实,会压低企业部署实时语音 AI 的成本门槛,也可能迫使其他闭源模型厂商跟进调整定价。目前公开信息显示,该模型仍处于发布阶段,实际可用性和稳定性有待验证。
对用户/开发者/创作者的影响
对企业采购方,MAI Realtime 1 提供了一条与微软企业系统打通的语音交互路径,适合客服和业务办理类场景,但需评估其在具体业务中的识别准确率和系统集成成本。对开发者,端到端语音模型可减少语音管线拼接工作,但 API 的延迟、并发限制和计价细则尚未完整披露,接入前应关注官方文档。对内容创作者,可调音色和风格意味着语音内容生产多了一个可选工具,不过目前公开信息未提及面向创作者的独立产品形态。
AI 工具推荐
想把多个 AI 模型放在一个入口?
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。
推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。
值得关注的后续
一是 MAI Realtime 1 何时通过 API 或 Azure 正式开放,实际延迟和并发能力如何;二是“三分之一价格”的计价单位和适用条件,是否长期维持;三是谷歌、OpenAI 等竞品是否在实时语音模型上跟进降价或功能升级。
来源:AIbase

