此文补充此前遗漏的报道。原始来源日期列于下方，并非今日新发布的消息。

发生了什么

微软列出三款模型均可通过Foundry访问。转录支持60种语言，年底前优惠价为每小时音频0.54美元。两款语音生成模型支持23种语言、26种地区变体，价格分别为每百万字符22美元和15美元。公告提供托管服务，而非可下载权重。

iNC / 分析

为何重要

实时转录与语音生成可能缩短语音智能体的响应流程。语言覆盖范围不同值得注意：能识别一种语言，并不意味着语音模型能用该语言回答。供应商延迟数据需要在完整应用中验证。

后续关注

关注各语言准确率、端到端延迟，以及优惠期结束后的价格。

来源与核实

来源链接数量不等于独立证实次数。

01
Microsoft AI — streaming and voice release一手来源 · microsoft.ai · 2026年10月1日
报告错误

帮助我们纠错

请指出争议陈述，并尽可能提供来源链接。请勿发送个人或敏感信息。