微软推出MAI-Transcribe-2-Streaming模型，支持低延迟实时转录，同时发布MAI-Voice-2.1与MAI-Voice-2.1-Flash两款语音模型。这些模型强调准确、快速、低成本，在音频理解与生成领域达到顶尖水平，专为构建对话式语音代理而设计。
该发布直接服务于实时语音交互需求，微软以此巩固其在企业级语音AI基础设施中的位置。目前OpenAI、谷歌等竞争对手同样在语音代理赛道加速布局，微软此举延续了其从基础设施向应用层渗透的路径，目标是降低开发者构建低延迟语音系统的门槛。
这些模型的低成本特性可能进一步压缩语音代理的商业化成本，短期内将加剧该细分市场的价格竞争。
信源:https://www.techmeme.com/261001/p42#a261001p42