MAI

MAI 是什麼？

MAI-Voice-2 是微軟最新的文字轉語音 AI 模型，旨在產生高度富有表現力且自然的合成語音。它專為語音品質至關重要的生產環境而設計，例如虛擬助理、客戶支援、有聲書和無障礙工具。該模型現已在 Microsoft Foundry 中提供，並正在整合到 VSCode 和 Dynamics 365 聯絡中心中。

Application scenarios

虛擬助理
為客戶支援或個人 AI 助理提供代表品牌形象的自然語音互動。
有聲書與長篇內容
在有聲書、播客或講座中，維持長達數小時旁白的一致說話者身份。
無障礙功能
為依賴語音作為主要互動方式的用戶提供高品質的語音介面。
客戶支援
整合到聯絡中心（例如 Dynamics 365），以實現逼真且具情感感知能力的自動化回應。
內容創作
為影片、簡報或教材生成配音，並具備細緻的情感控制。
多語言溝通
支援 15 種語言，並具備語碼轉換功能，適用於印地語-英語或西班牙語-英語等混合語言對話。

Core Features

富有表現力的語音合成
細緻的情感標籤（悲傷、低語、興奮、尷尬）允許針對不同情境進行精確的語調控制。
零樣本語音提示
僅需 5-60 秒的參考音訊即可複製語音，並內建同意護欄以確保負責任的使用。
多語言支援
從僅支援英語擴展到 15 種語言，同時保持相同的自然度和表現力。
說話者一致性
在有聲書、播客或講座等長篇內容中維持穩定的語音身份。
語碼轉換
支援特定語言配對（印地語-英語、西班牙語-英語），以符合現實世界中混合語言的說話模式。
優於前代
用戶在 72% 的情況下更偏好 MAI-Voice-2 而非 MAI-Voice-1，顯示出顯著的品質提升。
基於角色的語音風格
針對特定使用案例預先配置的角色語音（例如激勵教練、體育評論員）。

目標用戶

將語音整合到產品中的開發人員、製作有聲書或播客的內容創作者、需要富有表現力的自動化代理的客戶支援團隊，以及建構語音優先介面的無障礙專家。也適用於使用 Microsoft Foundry 或 Dynamics 365 聯絡中心的企業團隊。

如何使用 MAI？

MAI-Voice-2 可透過 Microsoft Foundry 取得。用戶可以透過該平台存取模型，將其整合到 VSCode 或 Dynamics 365 聯絡中心，並透過提供帶有可選情感標籤的文字輸入或用於語音複製的參考音訊來生成語音。如需直接體驗，產品頁面上提供了範例音訊檔案。

效果評估

MAI-Voice-2 在 AI 語音合成方面邁出了明確的一步，相較於前代產品，用戶偏好度達 72%，顯示出實際的品質提升。細緻的情感控制、附帶同意護欄的零樣本語音複製，以及多語言支援的組合，使其成為生產級語音應用程式的絕佳選擇。語碼轉換和基於角色的語音風格的加入，進一步擴展了其在創意和客戶導向場景中的實用性。雖然該模型目前僅限於微軟生態系統（Foundry、VSCode、Dynamics 365），但其功能集使其成為需要可靠、富有表現力的合成語音的開發人員和企業的首選方案之一。

Frequently Asked Questions

什麼是 MAI Voice 2？

MAI Voice 2 是微軟的 AI 語音工具，提供自然且富有表現力的語音合成，用於虛擬助手、內容創作和無障礙應用等場景，實現逼真的文字轉語音。

MAI Voice 2 支援哪些語言？

MAI Voice 2 支援多種語言，包括英文，並專注於在不同地區提供自然且富有表現力的語音。

我可以將 MAI Voice 2 用於商業用途嗎？

可以，MAI Voice 2 設計用於商業用途，例如虛擬助手、內容創作和其他應用，但根據使用場景可能需要遵守授權條款。

MAI Voice 2 如何實現自然的語音？

MAI Voice 2 使用先進的 AI 模型，透過大量資料集訓練，捕捉語調、節奏和情感等細微差別，從而產生高度逼真且富有表現力的語音輸出。

開發者可以存取 MAI Voice 2 嗎？

可以，MAI Voice 2 可透過微軟的 Azure 認知服務取得，提供 API 和 SDK，方便整合到各種應用程式中。

MAI Voice 2 的系統需求是什麼？

MAI Voice 2 是基於 Azure 的雲端服務，因此需要網路連線和 Azure 訂閱才能存取 API，客戶端無需特定硬體需求。