Microsoft 推出即時轉錄與多語音模型：語音 AI 不只比速度，也要看同意與資料流向
Microsoft 發布 MAI-Transcribe-2-Streaming 與兩款語音模型。導入客服或語音服務前，應先確認語言、費用與資料治理。
三款語音模型的官方資訊
Microsoft AI 於 10 月 1 日公布 MAI-Transcribe-2-Streaming、MAI-Voice-2.1 與 MAI-Voice-2.1-Flash。官方表示，即時轉錄模型支援 60 種語言與連續語言偵測；兩款語音模型支援 23 種語言、26 個地區設定，並可讓同一個聲音跨語言輸出。
效能與價格數字都有前提
Microsoft 宣稱轉錄模型收到音訊後約 100 毫秒即可產生初步文字，Voice Flash 可在約 150 毫秒端到端延遲下生成 45 秒音訊；官方同時公布按音訊時數或字元計價的方案。這些數字來自官方測試與指定服務條件，實際體驗仍會受網路、音訊品質、語言、應用整合與使用區域影響，不能視為任何手機或電腦都能離線達到的結果。
導入語音客服前先做資料治理
若店家用語音 AI 做客服、逐字稿或多語導覽，應先確認錄音是否會送往雲端、保存多久、誰能存取，以及顧客是否明確同意。官方表示語音模型具備防止濫用的同意保護，但服務提供者仍須自行設計告知、刪除、權限與人工覆核流程；特別是聲音複製功能，不應只因技術可用就省略身分與授權查核。