北京
语音转写这门生意，价格正在被重新定义。当地时间10月1日，微软宣布推出MAI-Transcribe-2-Streaming，同时发布两款全新语音模型：MAI-Voice-2.1和MAI-Voice-2.1-Flash。三款产品一次性铺开，覆盖转写和语音生成两条线。
先看转写这条线
MAI-Transcribe-2-Streaming的定价是每音频小时0.54美元，且这是年底前的首发优惠价。按音频时长计费，而不是按调用次数或字符数，这个计价方式对长音频场景更友好——会议记录、播客转写、客服录音，时长越长，成本越可预期。
流式转写的价值在于边听边出字。传统转写要等音频传完再处理，流式则把延迟压到实时区间，适合直播字幕、实时会议纪要这类不能等的场景。微软这次把流式能力单独做成一个产品名，说明它瞄准的就是对时效敏感的那批用户。
再看语音生成这条线
两款语音模型走的是按字符计费的路子：MAI-Voice-2.1定价为每100万字符22美元，MAI-Voice-2.1-Flash定价为每100万字符15美元。Flash版本更便宜，从命名看定位是轻量、快速的那一档，标准版则对应更高的质量要求。
把转写和语音生成放在同一天发布，微软补的是语音交互的完整闭环：一边把声音变成文字，一边把文字变成声音。对企业客户来说，这意味着可以在同一家供应商手里配齐语音链路的进出两端，省掉跨平台对接的麻烦。
价格数字本身也值得留意。0.54美元一小时、22美元和15美元一百万字符，这些具体标价摆出来，等于把语音能力的成本结构摊开给市场看。对正在评估语音方案是否值得上马的团队来说，这是一份可以直接拿去算账的报价单。
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.
