微软推出首款语音对语音模型 MAI Realtime 1:支持打断、可打电话完成任务,价格仅为竞品三分之一

AI资讯9小时前发布 全启星小编
120 0

# 微软推出 MAI Realtime 1:实时语音交互走向“电话可完成任务”

微软发布其首款语音对语音模型 **MAI Realtime 1**,核心能力包括端到端语音交互、支持用户随时打断,并可通过电话通道完成任务。相较“语音识别—大模型—语音合成”的级联方案,语音对语音路径有望减少转写损耗和链路延迟,使对话节奏更接近真人。打断能力则要求模型同时处理“听”与“说”,并在多轮对话中动态修正意图,对实时推理和对话状态管理提出更高要求。

从场景看,“可打电话完成任务”把实时语音 Agent 从 App 内推进到传统电话网络,潜在覆盖客服热线、预约确认、外呼通知与企业流程自动化。电话场景噪声大、口音多样、任务链条长,模型不仅要“听得清”,还要在信息不确定时追问、确认并闭环执行。**价格仅为竞品三分之一**,若规模化可用,将降低实时语音 Agent 的部署门槛,压缩现有语音机器人厂商的溢价空间,推动市场从“能对话”转向“能办事”。

分析认为,MAI Realtime 1 的竞争力不只在模型本身,更在微软云、企业服务与通信生态的协同。但其落地仍受时延稳定性、任务成功率、隐私合规和电话通信监管约束。实时语音正成为大模型入口之争的新焦点,价格下探会加速普及,也会把竞争引向可靠性、可观测性和行业工作流集成深度。

相关文章