Microsoft führt drei neue MAI-Modelle für Sprachein- und -ausgabe ein

Microsoft hat am 2. Oktober 2026 drei neue Modelle der MAI‑Familie für Sprachverarbeitung angekündigt. Das erste Modell, MAI‑Transcribe‑2‑Streaming, ist ein Echtzeit‑Sprachtranskriptions‑Modell mit einer Latenz von etwa 100 ms und einer Fehlerrate von 2,5 %, was laut Angaben des Unternehmens die niedrigste Fehlerrate auf dem Markt darstellt.

Es unterstützt 60 Sprachen und kostet 0,54 USD pro gesprochener Stunde. Das zweite Modell, MAI‑Voice‑2.1, erweitert das vorherige MAI‑Voice‑2 um acht weitere Sprachen, darunter Thai, und bietet nun 23 unterstützte Sprachen. Es wird mit 22 USD pro Million Zeichen berechnet. Zusätzlich gibt es eine optimierte Version namens MAI‑Voice‑2.1‑Flash, die für hohe Volumen und schnelle Verarbeitung bei 15 USD pro Million Zeichen angeboten wird.

Alle drei Modelle sind über Microsoft Foundry und OpenRouter verfügbar. Die Kostenangaben entsprechen exakt den im Ereignis angegebenen Beträgen.

Berichtet von Blognone.