核心信息

微软 AI 的两款文本转语音模型 MAI-Voice-2.1-Flash 与 MAI-Voice-2.1 已在 OpenRouter 上线，定价分别为每百万字符 15 美元和 22 美元，均可用同一声音覆盖 23 种语言并保持母语口音。

要点

  • MAI-Voice-2.1-Flash 面向速度优化，150ms 内可生成 45 秒音频，适用于语音助手与呼叫中心
  • MAI-Voice-2.1 主打最高保真度的录音棚级表现力，适合有声书、播客与旁白
  • 两款模型均支持 23 种语言、音色统一并保持母语口音
  • 价格：Flash 每百万字符 15 美元，标准版 22 美元