首页 >> 综合 > 快讯 >

微软发布企业级语音对语音 AI 模型 MAI Realtime 1,支持实时打断、嘈杂环境识别

2026-11-18 07:37:50 来源:网易 编辑:夏娣阳 

微软在 Ignite 2026 大会上正式推出首款面向企业场景的语音对语音 AI 模型 MAI Realtime 1,主打低延迟自然语音对话,支持实时打断、嘈杂环境识别,还能对接企业内部系统、调用工具完成业务操作,相比之前的 GPT-Realtime 2.1,在对话理解、任务完成率上有提升,同时定价门槛更低,适合企业搭建语音客服、智能语音坐席、语音助手这类业务。传统语音 AI 经常会出现不能及时打断、嘈杂环境听不清、没法直接对接业务系统的问题,MAI Realtime 1 针对企业真实办公、客服场景做了优化,支持多人同时说话、背景噪音下识别指令,对话节奏更贴近真人聊天,还自带工具调用能力,可以和企业现有业务系统打通。下面整理模型核心能力、定价信息、接入步骤和适用场景,方便快速看懂。

MAI Realtime 1 核心能力清单

能力项详细说明
实时打断识别支持对话中途随时打断 AI,不会死板说完一整段回复,贴合真人对话节奏
嘈杂环境语音识别在背景噪音、多人同时说话环境下,稳定识别用户语音指令
企业系统集成支持工具调用,对接企业业务系统,完成查询、订单、预约等业务动作
自然对话轮次判断识别停顿、确认话术,不会提前结束对话,理解对话意图
低延迟语音交互端到端语音转语音链路,适合实时语音坐席、线上语音助手
语气自定义开发者可以通过提示词调整 AI 说话风格、语气,适配不同行业

计费标准

  1. 基础语音对语音:0.01 美元 / 音频分钟
  2. 推理 Token 计费:输入 1 美元 / 百万 token,输出 5 美元 / 百万 token

接入落地操作步骤

  1. 确认业务场景:判断是客服、会议助手还是企业内部语音查询,确定对接的业务系统;
  2. 在 Azure 平台开通相关服务,获取接入 SDK 和接口文档;
  3. 配置噪声抑制、打断灵敏度参数,根据场景调整 AI 语气和权限;
  4. 对接企业内部工具、数据库,配置可调用的业务动作;
  5. 小流量灰度测试,在嘈杂、多人通话场景验证识别效果;
  6. 稳定测试完成后,全量上线投入企业业务使用。

整体来看,MAI Realtime 1 是微软专门面向企业打造的语音对语音模型,重点解决真实环境里的自然对话痛点,兼顾性能和成本,适合规模化落地企业语音服务。

【相关 FAQ】

问题 1:微软发布的 MAI Realtime 1 是什么模型,支持实时打断吗?

回答 1:微软发布的 MAI Realtime 1 是首款企业级语音对语音 AI 模型,支持实时打断、嘈杂环境识别,对话时用户可以随时打断 AI 输出。

问题 2:微软 MAI Realtime 1 可以直接对接企业系统吗?

回答 2:微软 MAI Realtime 1 支持系统集成与工具调用,能够对接企业业务系统,完成订单查询、预约、信息检索等业务操作。

问题 3:微软 MAI Realtime 1 的基础收费标准是多少?

回答 3:微软 MAI Realtime 1 基础语音对语音服务起价为每分钟 0.01 美元,推理 token 单独按输入、输出分开计费。

【参考资料】

[2026-11-18](微软发布首款企业级语音对语音 AI 模型 MAI Realtime 1)IT 之家

[2026-11-18](微软 Ignite 2026:MAI Realtime 1 语音模型发布,每分钟 0.01 美元)网易新闻

[2026-11-17](MAI Realtime 1 企业语音实时模型介绍)微软 Ignite 官方发布

[2026-11-17](Azure 语音实时 API 功能说明)微软文档中心

【免责声明】

本文 MAI Realtime 1 相关信息来自微软 Ignite 大会公开发布内容,模型性能、定价、接入权限以微软 Azure 官方最新文档为准,不同地区开通权限存在差异。

 
最新文章
站长推荐