Microsoft MAI-Voice-2

Microsoft MAI-Voice-2

具有 15 种语言语音克隆功能的富有表现力的 TTS

Product screenshot

关于产品

Microsoft 迄今为止最具表现力的 TTS 模型 — 从短样本克隆语音、细粒度的情绪控制以及跨 15 种语言的一致语音识别。现在以每百万字符 22 美元的价格部署在 Azure AI Foundry 中,并在 VSCode、Dynamics 365 Contact Center 和 Teams 中推出集成。适用于需要生产级韵律且无需 OpenAI Realtime API 价格标签的语音代理构建者。