什么值得做
产品档案 / 2026-06

Microsoft MAI-Voice-2

活着但平 证据强度 中 不明 PH 发布 2026-06-05 · 100 票
官网
microsoft.ai(模型页 microsoft.ai/models/mai-voice-2/ 现 302 到 MAI-Voice-2.1)
PH
www.producthunt.com/products/mai-image-2-3/launches/microsof…,2026-06-05,100 票(发布日 101)/ 日榜第 12 / 6 条评论
一句话
微软自研的多语言表达型 TTS,支持 5–60 秒零样本声音克隆,15 种语言。
团队
Microsoft AI(MAI)内部团队,负责人 Mustafa Suleyman;不是独立开发者产品,PH 上挂的是微软官方账号 @microsoftai。
收费
官网/官方博客 2026-06-02 起 $22 / 100 万字符(Azure Speech 与 Microsoft Foundry);2026-10-01 起同价的 MAI-Voice-2.1 与 $15 的 2.1-Flash 接棒。旧档:PH 文案未标价,第三方转载称「$22 per million characters」,与官方一致。
状态判断
活着但平——模型线在快速迭代(2.1/Flash 已发、进了 VS Code / Dynamics 365 / Teams),但 MAI-Voice-2 这一版在 OpenRouter 上已标注 2026-12-31 下线,第三方开发者流量极小。
证据强度
中(PH、GitHub、HN、X 四个库对上了;收入与商店库全空,因为它是大厂 API 模型,不在 TrustMRR 的覆盖口径里)。

发布之后的表现

收入库indie(TrustMRR)按 domain=microsoft.ai 与产品名点查,库里没有。这不等于没收入——TrustMRR 只收愿意公开支付流水的独立开发者,微软的 Azure 计费不在其口径内。可查到的只有公开定价:官方博客 2026-06-02 写明「MAI-Voice-2: Available through Azure Speech. Pricing starts at $22 USD per 1M characters」官网;2026-10-01 的模型卡再次确认 $22/1M 字符〔官网,microsoft.ai/pdf/MAI-Voice-2.1-Model-Card-Memo.pdf〕。

用户 / 下载库appstore、googleplay、macappstore、chromestore 四个库按名字与 microsoft.ai 域名点查,全部没有。它是纯 API 模型,没有独立 App,所以商店库天然为空。第三方可观测的替代指标是 OpenRouter:该模型页显示日请求量约 8K,给它导流最多的应用 HomeAI 只用了 383K tokens,其后是 Friedrich Report 125K、Esperanto 114K、Meu Expert 79K、VelvetVerb 77K〔官网,openrouter.ai/microsoft/mai-voice-2〕——量级很小,说明第三方开发者侧尚未形成规模。

开发者关注库github 库里没有 MAI-Voice 相关仓库;homepage_domain=microsoft.ai 只命中 microsoft/MAI-Code(84 star,6 fork,fork/star 0.07,2026-07-16 建库,最后 push 2026-08-11,status 待观察,suspect 为空)。这是代码模型仓库,与语音无关,不能当 MAI-Voice-2 的热度证据。fork/star 比 7% 属正常区间,无刷星迹象。

讨论库hackernews 库里没有 MAI-Voice-2 的帖子;唯一相关的是 2025-08-28 的 MAI-Voice-1 发布帖(27 分、2 评论),以及 2026-06-02 的 MAI-Code-1-Flash(540 分、255 评论)——同一批 MAI 模型里,语音明显不是 HN 关注点。x 本地库(core 层 560 人)没有一条提到 MAI-Voice-2;最接近的是 Mustafa Suleyman 2026-10-02 的推文,称语音与转写流式模型「#1 for quality and speed… cheaper than any other hyperscaler」,180 赞库。

官网动态官网microsoft.ai 首页 2026-11 仍在推 MAI-Cyber-1.1-Flash、MAI-Code-1.1-Flash、MAI-Voice-2.1、MAI-Transcribe-2、MAI-Thinking-1;MAI-Voice-2 的模型页已重定向到 2.1。2026-10-01 发布 2.1 与 2.1-Flash(23 语言、26 locale),并进入 Azure Speech SDK / REST、OpenRouter、MAI Playground。声音克隆是审批制:模型卡写明需通过 Azure Custom Neural Voice 有限访问审核并提交声音授权声明官网。

自报 vs 实际

  • 自报「15 languages」官网 2026-06-02vs 后继 2.1 的模型卡写 23 languages官网 2026-10-01——不是矛盾,是四个月内扩了语言,但 PH 页面上的「15 languages」已是旧档。
  • 自报「most expressive TTS we've built」官网属营销表述,无第三方独立验证;OpenRouter 的 Design Arena 上 MAI-Voice-2 的 Audiorealism Elo 1208(前 17%)、Text-To-Speech Elo 1161(前 67%),即「像人声」强、「TTS 综合」只在中游官网。
  • 第三方转载普遍写「$22 per million characters」,与官方博客一致,无对不上的地方。

为什么成了 / 没成

它没有「成」成一个独立产品,而是「成」成了一条企业渠道里的默认件。发布当天 PH 只有 101 票、日榜第 12,评论 6 条,远低于同期 MAI-Image-2.5 的 220 票/第 3;HN 与 X 的开发者圈层几乎零讨论。原因很清楚:它的分发不靠开发者社区,靠 Azure Speech、Copilot、Bing、PowerPoint、VS Code、Dynamics 365 这些既有管道——官方博客原话是「These are the same models already powering experiences across Copilot, Bing, PowerPoint, and Azure Speech」。所以它的「热度」在 PH 上测不出来,在 OpenRouter 上也很薄(日请求 8K、最大下游应用 383K tokens),真正的量在微软自己的产品里,外部看不到。

同时它被自己的下一代挤掉了:2026-10-01 的 2.1 与 Flash 上线后,OpenRouter 的 MAI-Voice-2 页面直接标注「Going away December 31, 2026」。一个 API 模型四个月就被替换,说明这条线的迭代节奏是「跟着模型版本走」,不是「跟着用户走」。

对想跟的人

别跟「再做一个 TTS 模型」。看两个数字:$22/1M 字符的定价,和 OpenRouter 上最大下游应用只烧了 383K tokens——连微软的模型在聚合器上都拿不到第三方流量,独立开发者做通用 TTS 只会更薄。真正有位置的是它自己设的门槛旁边:声音克隆要过 Azure 有限访问审核、要提交声音授权声明官网,这个合规摩擦就是小团队的机会(授权管理、垂直场景的合规配音工作流)。最大的坑是价格战:同一条线四个月内从 $22 掉到 $15(2.1-Flash),你按 $22 做的毛利模型撑不过一个版本周期。

没查到的

  • indie(TrustMRR):没有该产品,拿不到逐月收入、MRR、订阅数、是否挂牌出售。
  • appstore / googleplay / macappstore / chromestore:四个库都没有,拿不到榜位、评分数、安装量。
  • github:没有 MAI-Voice 仓库,拿不到该模型的 star 走势;只有无关的 microsoft/MAI-Code。
  • hackernews / x 本地库:没有 MAI-Voice-2 的帖子或提及,无法判断开发者圈层的真实反应。
  • 微软不公布单个模型的调用量、收入或客户数,第三方(OpenRouter)只覆盖走它这一条渠道的流量,Azure 直连的量无法观测。

档案由 agent 建(deepseek/deepseek-v4.1-flash,33 步,2026-11-01T16:54);〔库〕= 我们自己的库,〔官网〕= 当天抓的网页。