Microsoft 发布 MAI-Voice-2.1：延迟低至 45ms，支持零样本即时克隆
Microsoft 发布 MAI-Voice-2.1 和 MAI-Voice-2.1-Flash 文本转语音模型。两者支持零样本即时克隆声音与情绪控制，涵盖 23 种语言。Flash 版延迟仅约 45 毫秒，每百万字符 15 美元，让实时电话交互彻底告别机械停顿。
Microsoft 发布 MAI-Voice-2.1 和 MAI-Voice-2.1-Flash 文本转语音模型。两者支持零样本即时克隆声音与情绪控制，涵盖 23 种语言。Flash 版延迟仅约 45 毫秒，每百万字符 15 美元，让实时电话交互彻底告别机械停顿。