Microsoft MAI-Voice-2

微软推出了其迄今为止最先进的文本转语音（TTS）模型，这款模型能够通过短音频样本进行声音克隆，具有精细的情感控制，并在15种语言中保持一致的声音特性。现在，这项技术已在Azure AI Foundry上线，费用为每百万个字符22美元，并将陆续与VSCode、Dynamics 365联系中心和Teams等平台集成。这对于需要生产级语调的开发者来说，是一个理想选择，因为它不需要支付OpenAI实时API的高昂费用。