Microsoft đang thử nghiệm MAI Realtime, mô hình AI giọng nói thời gian thực đầu tiên do hãng tự phát triển, có khả năng nghe và phản hồi đồng thời như một cuộc hội thoại tự nhiên. Theo TestingCatalog, mô hình hiện được thử nghiệm với một số đối tác thông qua nền tảng MAI Playground, nhưng Microsoft chưa công bố thời điểm phát hành rộng rãi hoặc tích hợp vào Copilot.
Khác với các mô hình giọng nói truyền thống phải chờ người dùng nói xong mới phản hồi, MAI Realtime hỗ trợ giao tiếp song công toàn phần, cho phép AI vừa nghe vừa trả lời, đồng thời có thể xử lý khi người dùng ngắt lời giữa cuộc hội thoại.
Mô hình hỗ trợ 16 ngôn ngữ, gồm tiếng Anh, Đức, Tây Ban Nha, Pháp, Ý, Bồ Đào Nha, Nhật Bản, Hàn Quốc, Trung Quốc, Hà Lan, Hindi, Indonesia, Ả Rập, Nga, Thổ Nhĩ Kỳ, Việt Nam và Thái Lan. Người dùng có thể chọn ngôn ngữ thủ công hoặc để AI tự động nhận diện và chuyển đổi ngôn ngữ ngay trong cuộc trò chuyện.
MAI Realtime hiện cung cấp hai giọng nói là Victoria và Grant, được đánh giá tự nhiên hơn các giọng đọc hiện có của Copilot. Tuy nhiên, mô hình chỉ tập trung vào hội thoại, chưa hỗ trợ hát hoặc tạo các hiệu ứng âm thanh không phải lời nói.
Trước MAI Realtime, Microsoft đã phát hành các mô hình giọng nói một chiều như MAI-Voice-2, MAI-Voice-2 Flash và MAI-Transcribe-1.5, chủ yếu phục vụ tổng hợp hoặc nhận dạng giọng nói.
Khác với các mô hình giọng nói truyền thống phải chờ người dùng nói xong mới phản hồi, MAI Realtime hỗ trợ giao tiếp song công toàn phần, cho phép AI vừa nghe vừa trả lời, đồng thời có thể xử lý khi người dùng ngắt lời giữa cuộc hội thoại.
Mô hình hỗ trợ 16 ngôn ngữ, gồm tiếng Anh, Đức, Tây Ban Nha, Pháp, Ý, Bồ Đào Nha, Nhật Bản, Hàn Quốc, Trung Quốc, Hà Lan, Hindi, Indonesia, Ả Rập, Nga, Thổ Nhĩ Kỳ, Việt Nam và Thái Lan. Người dùng có thể chọn ngôn ngữ thủ công hoặc để AI tự động nhận diện và chuyển đổi ngôn ngữ ngay trong cuộc trò chuyện.
MAI Realtime hiện cung cấp hai giọng nói là Victoria và Grant, được đánh giá tự nhiên hơn các giọng đọc hiện có của Copilot. Tuy nhiên, mô hình chỉ tập trung vào hội thoại, chưa hỗ trợ hát hoặc tạo các hiệu ứng âm thanh không phải lời nói.
Trước MAI Realtime, Microsoft đã phát hành các mô hình giọng nói một chiều như MAI-Voice-2, MAI-Voice-2 Flash và MAI-Transcribe-1.5, chủ yếu phục vụ tổng hợp hoặc nhận dạng giọng nói.
