Microsoft MAI-Voice-2

支持 15 种语言语音克隆的富有表现力的 TTS

Microsoft MAI-Voice-2 是微软推出的高表现力 TTS 模型，支持通过短音频样本进行声音克隆，并可精细控制情绪表达。它能在 15 种语言中保持一致的声音身份，适合构建需要自然语调和生产级稳定性的语音代理应用。该模型已上线 Azure AI Foundry，并将集成到 VSCode、Dynamics 365 Contact Center 和 Teams 等产品中。