微软测试首款原生实时语音模型 MAI Realtime，支持 16 种语言

微软正在测试其首款原生实时语音模型 MAI Realtime，该模型支持 16 种语言和 2 种语音，可在对话中实现听说并行，自动识别并切换语言。测试已邀请部分合作伙伴在 MAI Playground 平台进行，但上线时间未定。

MAI Realtime 采用双向全双工交互，无需等待对方说完即可回应，能同步聆听和回复。支持的语言包括英语、中文、日语等 16 种。语音风格提供 Victoria 和 Grant 两种，比现有 Copilot 语音更自然。模型不支持唱歌或非语音音效，定位为对话系统。调试面板可显示实时延迟和思考内容，样本分享功能将逐步开放。