2026年11月17日,微软在Ignite 2026大会(美国西雅图)正式发布首款面向企业场景的实时语音对语音大模型MAI Realtime 1。该模型可精准处理打断、快速确认、多人混杂及嘈杂环境下的语音交互,并支持调用推理引擎、对接企业系统执行预订与客服等任务。基础语音转语音费用为每音频分钟0.01美元,推理按token计费。微软称其在Big Bench Audio等基准测试中准确率(98.9%)与性价比均优于GPT-Realtime-2.1等竞品。模型已兼容OpenAI Realtime API,Agoda等企业正开展试用,后续将集成至Dynamics 365 Contact Center及Dragon Copilot医疗训练场景。