MAI-Voice-2

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。