微软

Microsoft-Decision-1 是一个专为快速决策而构建的小型模型。它不生成文本，而是读取提供的内容，并为每个固定的答案选项返回校准概率，因此响应自带置信度，并能确定应用程序何时执行、延迟或请求审核。该模型基于 Qwen3.5-9B 进行后训练，用于单遍评分，适用于分类、路由、优先级排序、验证、工作流控制、智能体护栏和 AI 评判。它不适用于开放式生成、对话、翻译或摘要。权重持续更新，而 API 形态保持不变。 在微软的公告中了解更多：https://commandline.microsoft.com/microsoft-decision-1-model-foundry/

MAI-Voice-2.1-Flash 是微软AI推出的低延迟文本转语音（text-to-speech）模型，针对实时响应进行了优化。它能在23种语言中生成自然、富有表现力的语音，具有类人的语调、节奏和情感细微差别。适用于语音代理、助手、呼叫中心以及其他对延迟和成本最为重要的交互式应用。 在OpenRouter上，将 `voice` 设置为带模型后缀的完整语音ID，例如 `"en-US-Harper:MAI-Voice-2.1-Flash"`。语音的区域设置决定合成语言。将 `response_format` 设置为 `"mp3"` 或 `"pcm"`（24 kHz单声道）。Harper和Grant支持 `agent`、`customer-call-center`、`educational` 和 `narrator` 说话风格，许多区域语音还添加了情感风格，如 `excited`、`happy`、`sad` 和 `whispering`。完整语音列表见 models API 的 `supported_voices` 字段。参见 text-to-speech 指南。

MAI-Voice-2.1 是微软 AI 最高保真度、最具表现力的文本转语音模型。它能以 23 种语言生成自然、录音室级别的语音，具有精细的韵律、细腻的表现力，并在长篇内容中保持说话人一致性。它适用于有声书、播客、讲座、旁白和品牌音频等对音质要求极高的场景。该模型优先考虑自然度和表现力，而非低延迟生成。在 OpenRouter 上，将 `voice` 设置为带有模型后缀的完整语音 ID，例如 `"en-US-Harper:MAI-Voice-2.1"`。语音的区域设置决定合成语言。将 `response_format` 设置为 `"mp3"` 或 `"pcm"`（24 kHz 单声道）。Harper 和 Grant 支持 `agent`、`customer-call-center`、`educational` 和 `narrator` 说话风格，并且许多区域的语音还支持 `excited`、`happy`、`sad`、`whispering` 等情感风格。完整语音列表位于模型 API 的 `supported_voices` 字段中。参见文本转语音指南。

MAI-Image-2.6 是微软 AI 推出的图像生成与编辑模型，是 MAI-Image-2.6 系列中的高精度版本，同系列还有速度更快的 MAI-Image-2.6 Flash。它适用于设计就绪的视觉内容以及受控的迭代编辑，尤其擅长多参考图像编辑，可融合来自最多五张输入图像中的人物、产品、风格和场景，同时保持构图、风格与细节。宽高比可以固定，也可以交由模型根据构图自行选择。

MAI-Image-2.6 Flash 是微软AI的MAI-Image-2.6家族中延迟更低、成本更低的成员，专为对延迟敏感、高吞吐量的生产级图像生成和编辑而打造，质量与precision tier相当。它支持相同的多参考编辑，最多可输入五张图像，以及相同的固定或模型选择的宽高比。

MAI-Transcribe 2 是微软 AI 推出的多语言语音转文字模型，在 FLEURS 多语言基准测试中排名第一。它支持 60 种语言，具备自动语言识别、混合语言语音的语码切换、说话人分离、词级时间戳、面向领域特定术语的关键词偏置，以及可配置的逐字或清洁转录风格。它适用于隐藏字幕、通话转录、字幕制作、无障碍访问以及其他语音应用，并且在长音频上比 MAI-Transcribe-1.5 更快。 在 OpenRouter 上，将 `response_format` 设置为 `"verbose_json"` 以获取分段时间戳，并添加 `timestamp_granularities: ["word"]` 以获取词级时间戳。将 `provider.options.azure.diarization.enabled` 设置为 `true` 以获取说话人标签，通过 `provider.options.azure.phraseList.phrases` 提供关键词，并通过 `provider.options.azure.enhancedMode.modelOptions.transcribeStyle` 选择转录风格。参见 语音转文字指南。

Microsoft AI的MAI-Image-2.5是一款高质量图像生成模型，可通过Azure AI Foundry获取。它能根据文本提示生成照片级逼真和艺术风格的图像，并支持多种宽高比。

MAI-Voice-2-Flash 是微软AI推出的一款低延迟文本转语音模型，适用于语音代理、助手、呼叫中心、无障碍服务、旁白以及其他交互式应用。它能够生成富有表现力的24 kHz单声道语音，支持15种语言和18个地区，并可对音调和表达方式进行精细控制。语音提示和克隆功能需要获得微软AI批准的访问权限以及相应的说话人同意。

MAI-Voice-2 是微软AI推出的一款富有表现力的文本到语音模型。它适用于对话助手、媒体解说、无障碍服务、教育以及其他长篇语音应用。该模型支持15种语言、18个区域设置，可精细控制语气和表达方式，支持多说话人生成，以及无需微调即可从短音频片段进行语音提示。该模型优先考虑自然度和表现力，而非低延迟生成。

MAI-Transcribe 1.5 是微软 AI 推出的多语言语音转文本模型。它适用于字幕生成、通话转录、字幕制作、无障碍访问以及其他语音相关应用，可在 43 种语言、不同口音和嘈杂的真实世界音频中提供可靠的转录。它支持自动语言识别和针对特定领域术语的关键词偏置，并相比 MAI-Transcribe-1 提升了长音频转录速度。不支持说话人分离。

Microsoft AI 的 MAI-Image-2.5 是一款高质量图像生成模型，可通过 Azure AI Foundry 获取。它能够根据文本提示生成逼真且具有艺术感的图像，并支持多种宽高比。

Microsoft Research Phi-4 旨在复杂推理任务中表现出色，并能在内存有限或需要快速响应的场景中高效运行。 该模型拥有140亿参数，基于高质量合成数据集、精选网站数据及学术资料混合训练而成。经过精心优化，它能准确遵循指令并保持强大的安全标准。该模型最适合处理英文输入。 更多信息，请参阅 Phi-4 技术报告。

WizardLM-2 8x22B 是微软 AI 最先进的 Wizard 模型。与领先的专有模型相比，它展现出极具竞争力的性能，并且持续优于所有现有的最先进开源模型。 它是 Mixtral 8x22B 的指令微调版本。 欲了解更多关于该模型发布的信息，请点击这里。 #moe