MAI-Voice-1

MAI-Voice-1是微軟人工智慧部門於2025年8月推出的語音生成模型，屬於微軟首批自主研發的AI模型之一。該模型為文本轉語音模型，能在長篇內容中保持音色統一，依託微軟模型開發平台，支持使用少量音頻素材定製音色，每秒可生成60秒自然流暢音頻。

其主要套用於Microsoft Copilot助手的“Copilot Daily”功能，通過AI主播播報新聞頭條，並生成播客風格對話。該模型基於Transformer架構最佳化，在單塊GPU上運行，支持單人敘述與多說話人對話兩種內容形態。用戶可通過Copilot Labs平台輸入文本內容，選擇多種基礎音色、情緒模式以及不同說話風格。其生成內容涵蓋新聞播報、故事講述、冥想引導等多種場景，已集成至Copilot Daily、Copilot Podcasts等功能模組。該模型由微軟AI執行長穆斯塔法·蘇萊曼於2025年11月組建的MAI超級智慧型團隊開發。2026年4月2日，微軟推出了包括MAI-Voice-1在內的多款自研多模態AI模型，這些產品已集成至Copilot、Teams等工具，並計畫逐步接入Bing搜尋和PowerPoint。

基本介紹

• 外文名：MAI-Voice-1
• 發布公司：微軟

研發背景

微軟推出MAI-Voice-1是其減少對OpenAI依賴、加強自研AI能力戰略的一部分。2025年10月，微軟與OpenAI修訂協定，獲得了獨立研發通用人工智慧（AGI）的許可權。該模型由微軟AI執行長穆斯塔法·蘇萊曼於2025年11月組建的MAI超級智慧型團隊開發。MAI-Voice-1首次作為微軟首批自研AI模型之一於2025年8月29日發布，並於2026年4月2日/3日與MAI-Transcribe-1、MAI-Image-2一同正式發布商用。

核心團隊

MAI-Voice-1由微軟AI執行長穆斯塔法·蘇萊曼（Mustafa Suleyman）領導的微軟人工智慧超級智慧型團隊（MAI超級智慧型團隊）開發。該團隊於2025年11月組建並正式公布，專門負責微軟前沿AI模型的研發。

發展歷史

2025年8月29日，微軟人工智慧部門推出首批兩款自研AI模型，其中包括MAI-Voice-1。微軟已將 MAI-Voice-1 套用於多項功能中：例如在“CopilotDaily”功能里，AI 主持人會通過該模型播報當日熱點新聞；同時，它還能生成播客風格的對話內容，幫助用戶理解各類話題。2026年4月2日，微軟將MAI-Voice-1作為其推出的三款自研多模態AI模型（MAI-Transcribe-1、MAI-Voice-1、MAI-Image-2）之一，正式面向商業用戶發布，進行了新一輪的集中推廣，此後該模型已進一步集成至Copilot、Teams等核心生產力工具，並計畫逐步接入Bing搜尋和PowerPoint，以強化其在企業場景中的套用。此次發布的三款模型由微軟AI執行長穆斯塔法·蘇萊曼於2025年11月組建的MAI超級智慧型團隊開發，並已在Microsoft Foundry和MAI Playground平台開放使用。

核心技術

MAI-Voice-1是建立在微軟內部語音基礎模型之上的神經網路文本轉語音模型。它採用Transformer架構最佳化，在單塊GPU上運行，實現1秒內生成60秒音頻的高效率。該模型能夠全面理解輸入文本，自動調整音調、情感和說話風格，生成自然、富有表現力且具有對話感的語音，並支持在長篇內容中保持說話人音色一致。

該模型支持通過SSML進行精細的風格控制，並提供六個預生成的英語（美國）語音角色，如en-us-Jasper（男）、en-us-June（女）等。同時，MAI-Voice-1支持“個人語音”功能，用戶可通過上傳短音頻樣本定製專屬聲音。

MAI-Voice-1能夠生成風格迥異的語音（如英式、美式），並支持多種情緒模板和角色扮演（如機器人、海盜、新聞主播等）。在生成語音時，模型能模擬包括停頓、換氣聲、口水聲等生理性噪音，以增強真實感。

主要功能

MAI-Voice-1 語音模型僅需單塊 GPU，就能在 1 秒內生成時長 1 分鐘的音頻。不僅能輸入希望 AI 表達的內容，還可自定義語音音色與說話風格。

MAI-Voice-1為文本轉語音模型，每秒可生成60秒自然流暢音頻。該模型能在長篇內容中保持音色統一，依託微軟模型開發平台，僅需幾秒音頻素材即可定製專屬音色，定價為每百萬字元22美元。

運營模式

MAI-Voice-1主要通過微軟的模型開發與服務平台Microsoft Foundry向開發者和商業用戶提供，用戶也可通過MAI Playground進行試用。該模型提供商業定價方案。在商業授權方面，微軟擁有模型的完整商業用途許可權，可供第三方開發人員使用。此外，該模型還集成在名為Copilot Audio Expressions的音頻創建工具中。MAI-Voice-1支持用戶通過上傳短音頻樣本來創建定製語音，但目前僅支持英語。