微软MAI-Voice-2.1系列语音模型上线OpenRouter

2026年10月2日，OpenRouter 在 X 上连续发布两条消息，宣布微软两款语音模型上线其平台。第一条称 Microsoft AI 的 MAI-Voice-2.1-Flash 语音模型已上线，该模型面向速度与规模优化，低延迟生成，可在 150ms 内生成 45 秒音频，语音自然富有表现力、带类人语调，同一声音可用 23 种语言说话并保持母语口音，定价 $15 per 1M characters，适用于语音智能体、助手、呼叫中心等实时场景。第二条称 Microsoft 的 MAI-Voice-2.1 也已上线，是其保真度最高、表现力最强的文本转语音模型，同样支持同一声音以 23 种语言说话并保持母语口音，定价 $22 per 1M characters，面向有声书、播客、旁白和品牌音频。两条报道分别介绍 Flash 版与标准版，定位与定价不同。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。