微软首款语音对语音模型:MAI Realtime 1 登场,起价每分钟 0.01 美元
IT之家 11 月 18 日消息,在昨日(11 月 17 日)召开的 Ignite 2026 大会上, 微软宣布其首款语音对语音模型 MAI Realtime 1,定位为面向真实企业场景的实时语音 AI 。该模型可处理打断、快速确认和等待对方说完等自然对话细节…
核心信息
- IT之家 11 月 18 日消息,在昨日(11 月 17 日)召开的 Ignite 2026 大会上, 微软宣布其首款语音对语音模型 MAI Realtime 1,定位为面向真实企业场景的实时语音 AI 。
- 该模型可处理打断、快速确认和等待对方说完等自然对话细节,并能在嘈杂环境或多人同时说话时理解用户请求。
- 价格方面,微软称该模型基础语音对语音使用费为每音频分钟 0.01 美元 (IT之家注:现汇率约合 0.067 元人民币)
- 若涉及推理,则按每百万输入 token 1 美元 (现汇率约合 6.7 元人民币) 、每百万输出 token 5 美元 (现汇率约合 33.4 元人民币) 另行计费。
这对做企业的意味着什么
很多老板担心 AI 会取代员工,实际发生的是「会用 AI 的员工取代不会用的」。同样的报价单、同样的客户回复,用工具的人效率高出三五倍。所以现在的关键动作是把手上的重复工作列出来,看哪些能被一条固定指令替代。
模型能力每几个月就上一台阶,但企业内部的流程一年都未必改一次。所以不要为了追新模型去重构系统,把模型调用做成可替换的一层接口,换模型时只改一个配置项,这才是长期省钱的架构。
落地建议
如果你也在考虑把某块手工流程做成系统,可以先做一个最小版本试试——通常两到四周能跑通核心流程,预算控制在几千到一两万,用起来再迭代,比一次性上大系统风险小得多。
信息来源:IT之家,查看原文。本文由志权软件工作室摘要整理并附行业分析。

微信扫码,直接说需求手机上长按识别也可以。软件定制、网站、小程序、数据采集都能聊,看到了都会回。