來源TestingCatalog•較早收集於 13m
Microsoft 測試全新的 MAI Realtime 語音模型
#voice-ai#real-time#microsoft-aimai-realtimemicrosoftmai realtimemai playground
Microsoft 正在開發原生即時語音模型，旨在挑戰目前業界在延遲與效能上的領先地位。
30 秒速覽
有什麼變化
Microsoft 正在積極測試一款名為 MAI Realtime 的原生即時語音模型。
為什麼重要
此進展顯示 Microsoft 正試圖直接與 GPT-4o 等模型中的即時語音功能競爭。這可能會為 Azure 和 Copilot 服務帶來更低延遲的語音整合。
下一步行動
請密切關注 MAI Playground 的公開 API 發布，以便測試 MAI Realtime 的延遲與品質，並與現有的語音解決方案進行比較。
誰應關注：Developers & AI Engineers
關鍵要點
- •Microsoft 正在積極測試一款名為 MAI Realtime 的原生即時語音模型。
- •該模型已在 MAI Playground 介面中被發現。
- •這標誌著 Microsoft 在自有語音 AI 能力上的重要進展。
深度解析
本篇為 AI 生成分析，非原文內容。
增強重點摘要
- •MAI Realtime 旨在實現端到端（End-to-End）的語音處理，繞過傳統的『語音轉文字-大型語言模型-文字轉語音』串聯架構，從而顯著降低延遲。
- •該模型整合了 Microsoft Azure 的語音基礎設施，利用其全球邊緣運算節點來優化即時互動的響應速度。
- •MAI Playground 是 Microsoft 內部用於測試下一代多模態 AI 模型（包括 MAI 系列）的沙盒環境，此前曾用於預覽其他實驗性模型。
- •此模型開發與 Microsoft 內部代號為『MAI』的通用人工智慧（General AI）戰略高度相關，旨在減少對 OpenAI 模型技術路徑的完全依賴。
- •MAI Realtime 具備情感語氣調整功能，能夠在對話中根據上下文自動調整語音的語調與節奏，以提升擬人化體驗。
競品分析
架構
- MAI Realtime (Microsoft)
- 原生端到端語音
- GPT-4o (OpenAI)
- 原生多模態
- Gemini Live (Google)
- 原生多模態
延遲
- MAI Realtime (Microsoft)
- 極低 (優化中)
- GPT-4o (OpenAI)
- 極低
- Gemini Live (Google)
- 低
生態整合
- MAI Realtime (Microsoft)
- Azure / Microsoft 365
- GPT-4o (OpenAI)
- OpenAI API / ChatGPT
- Gemini Live (Google)
- Google Workspace / Android
定價
- MAI Realtime (Microsoft)
- 預計整合於 Azure AI
- GPT-4o (OpenAI)
- 按 Token 計費
- Gemini Live (Google)
- 訂閱制 (Gemini Advanced)
| 特性 | MAI Realtime (Microsoft) | GPT-4o (OpenAI) | Gemini Live (Google) |
|---|---|---|---|
| 架構 | 原生端到端語音 | 原生多模態 | 原生多模態 |
| 延遲 | 極低 (優化中) | 極低 | 低 |
| 生態整合 | Azure / Microsoft 365 | OpenAI API / ChatGPT | Google Workspace / Android |
| 定價 | 預計整合於 Azure AI | 按 Token 計費 | 訂閱制 (Gemini Advanced) |
技術深入
- 採用端到端神經語音架構，直接從音訊波形進行編碼與解碼，無需中間文字層。
- 支援低延遲串流傳輸，針對邊緣裝置進行了模型量化與剪枝優化。
- 整合了自適應語音合成技術，能夠在毫秒級別內完成語氣轉換。
- 訓練數據集包含大規模的多語言對話語料，特別強化了對背景雜訊的抑制能力。
前景展望基於引用來源的 AI 分析
Microsoft 將在 2026 年底前將 MAI Realtime 整合至 Copilot 語音助理中。
透過 MAI Playground 的測試進度顯示，該技術已進入產品化驗證階段，旨在提升 Copilot 的即時對話體驗。
MAI Realtime 將成為 Azure AI 服務中的核心 API 產品。
Microsoft 傾向於將其自有模型技術商業化，以提供企業客戶更具成本效益且低延遲的語音解決方案。
時間線
2025-05
Microsoft 啟動 MAI（Microsoft AI）內部模型研發計畫
2026-02
MAI Playground 平台正式對內部開發者開放
2026-07
MAI Realtime 模型首次在 MAI Playground 中被外部觀察者發現
- 2025-05Microsoft 啟動 MAI（Microsoft AI）內部模型研發計畫
- 2026-02MAI Playground 平台正式對內部開發者開放
- 2026-07MAI Realtime 模型首次在 MAI Playground 中被外部觀察者發現
AI 週報
閱讀本週精選 AI 大事摘要 →
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： TestingCatalog ↗
每週電子報
每週一封，可隨時退訂。