北京
微软在MAI Playground和API里一次放出了3款新模型：MAI-Transcribe-2-Streaming、MAI-Voice-2.1和MAI-Voice-2.1-Flash。官方给出的定位是四个词——准确、快速、低成本，以及"在音频理解与生成上登顶榜单"。
这组模型瞄准的场景很具体：构建对话式语音智能体。官方描述里反复出现的一个体验指标是"轮次之间的等待更少"，也就是让对话别卡壳。
三款模型各管一段
从命名和官方描述看，分工是清晰的：
- MAI-Transcribe-2-Streaming：负责流式转录，关键词是"准确"和"流式"
- MAI-Voice-2.1：负责语音生成，关键词是"自然语音"
- MAI-Voice-2.1-Flash：同属语音生成线，从命名看是更轻量的版本
官方对这批模型的整体表述是"准确的、快速的、低成本的音频理解与生成"，并称其"登顶榜单"。这句话覆盖的是转录和语音两条产品线，而不是单指某一个模型。
Playground里多了个"Chatter"
除了模型本身，MAI Playground还上线了一个叫"Chatter"的语音体验Demo。官方把它和这批模型放在同一条发布信息里，并附了一句"Testing time"——邀请开发者上手试。
对做语音智能体的团队来说，这条发布里最值得注意的不是榜单措辞，而是"流式转录"和"轮次间等待更少"这两个点被同时摆到了台面上。语音对话的体验瓶颈，很多时候不在识别准不准，而在你说完到它开口之间那几百毫秒的空白。
低成本被写进了官方定位
"low cost"是官方原话里的四个关键词之一，和"accurate""fast"并列。对于要跑长时对话、按分钟计费的语音智能体产品，这一项往往比榜单排名更影响能不能规模化。
目前这批模型已经进入MAI Playground和API，开发者可以直接调用测试。官方没有在这条发布里给出具体的价格数字或延迟数据，只给了方向性的描述。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
