Microsoft MAI-Voice-2

微软迄今为止最具表现力的TTS模型——支持从短样本进行语音克隆，提供细粒度的情感控制，并在15种语言中保持声音身份的一致性。现已在Azure AI Foundry上线，价格为每百万字符22美元，并正在VSCode、Dynamics 365 Contact Center和Teams中逐步推出集成。专为需要生产级韵律效果但又不愿承担OpenAI Realtime API高昂费用的语音智能体开发者打造。