โมเดลที่เปิด
- MAI-Transcribe-2-Streaming ถอดเสียงสด 60 ภาษา ราคาแนะนำ 0.54 ดอลลาร์ต่อชั่วโมงเสียงถึงสิ้นปี
- MAI-Voice-2.1 พูดได้ 23 ภาษา / 26 โลเคิล ราคา 22 ดอลลาร์ต่อล้านตัวอักษร
- MAI-Voice-2.1-Flash รุ่นเร็ว ละเทนซีราว 150 มิลลิวินาที ราคา 15 ดอลลาร์ต่อล้านตัวอักษร
จุดเด่นที่บริษัทเคลม
- ถอดเสียงได้ partial แรกหลังได้เสียงราว 100 มิลลิวินาที
- อันดับหนึ่งด้านความแม่นทั้งทรานสคริปต์สุดท้ายกับบางส่วนบน Artificial Analysis
- เสียงเดียวกันพูดข้ามภาษาได้โดยไม่เปลี่ยนตัวละคร
- โคลนเสียงจากตัวอย่างสั้น ๆ พร้อมกันด์เรลขอความยินยอม
ใช้ได้ที่ไหน
- ทั้งสามตัวผ่าน Microsoft Foundry และ MAI Playground
- โมเดลพูดสองตัวมีบน OpenRouter ด้วย
- มีเดโม Chatter ใน MAI Playground โชว์เอเจนต์เสียงทั้งลูป
สรุป
ไมโครซอฟต์ส่งชุดถอดเสียงสตรีมกับพูดสองรุ่นมาพร้อมกัน โฟกัสเอเจนต์เสียงคุยเร็ว — ตัวเลขราคาและเบนช์มาจากประกาศ microsoft.ai
แหล่ง: Microsoft AI · 1 ต.ค. 2026