Microsoft hat am 1. Oktober 2026 drei neue MAI-Audiomodelle veröffentlicht: MAI-Transcribe-2-Streaming, MAI-Voice-2.1 und die Flash-Variante.
Die Transkription unterstützt 60 Sprachen und laufende Sprachwechsel. Microsoft nennt erste vorläufige Ergebnisse nach gut 100 Millisekunden. Die Sprachausgabe beherrscht 23 Sprachen und erweitert die MAI-Modellfamilie für interaktive Anwendungen.
Freigabe für geklonte Stimmen
Die Versionsdokumentation für MAI-Voice führt beide Sprachmodelle als Public Preview. Sprachklonen benötigt eine Freigabe und die Audioeinwilligung der betroffenen Person. Der angekündigte Preis beträgt 22 US-Dollar beziehungsweise 15 US-Dollar für Flash je Million Zeichen.