Microsoft AI: MAI-Voice-2

MAI-Voice-2는 Microsoft AI의 표현력 있는 텍스트 음성 변환 모델로, 2026년 6월 2일 제공업체가 출시했습니다. 이 모델은 speech 카테고리에 속하므로, 텍스트 자체를 생성하거나 편집하는 것이 아니라 작성된 텍스트를 음성 오디오로 바꾸는 것이 역할입니다. 합성 음성이 필요한 것을 만든다면, 이것은 다른 텍스트 음성 변환 옵션들과 함께 평가하게 될 종류의 모델입니다.

이 모델은 텍스트만 입력으로 받고 음성만 출력으로 생성합니다. 표현력이 있다고 설명되는데, 이는 평면적이고 로봇 같은 전달이 경험을 해칠 수 있는 애플리케이션에서 중요합니다. Microsoft는 이 모델을 대화형 어시스턴트, 미디어 내레이션, 접근성, 교육 및 기타 장문 음성 애플리케이션용으로 포지셔닝하며, 15개 언어를 지원합니다. 이 모델에는 컨텍스트 길이가 명시되어 있지 않으므로, 토큰 기반 컨텍스트 계획은 여기에 적용되지 않는 것으로 간주하십시오. 사용 가능한 음성은 en-US-Harper, es-MX-Valeria, fr-FR-Soleil, de-DE-Klaus이며, 각각 MAI-Voice-2 모델에 연결되어 있습니다.

이러한 기능은 상당히 명확한 사용 사례 집합을 가리킵니다. 대화형 어시스턴트는 이를 사용해 사용자에게 자연스러운 음성으로 답변을 말해줄 수 있습니다. 미디어 및 콘텐츠 팀은 비디오, 기사 또는 기타 장문 자료에 내레이션을 입히는 데 사용할 수 있습니다. 접근성 도구는 듣기를 선호하는 사용자를 위해 작성된 콘텐츠를 오디오로 변환할 수 있습니다. 교육 제품은 수업, 연습 문제 또는 학습 자료를 소리 내어 읽을 수 있습니다. 이 모델은 장문 음성 작업을 처리하므로, 짧은 단일 클립보다 지속적인 음성 출력이 필요한 프로젝트에 적합합니다.

모델 id "microsoft/mai-voice-2"를 사용해 api14의 OpenAI 호환 API를 통해 이 모델을 호출합니다. 인터페이스가 OpenAI 형식을 따르므로, 기존 OpenAI 스타일 클라이언트 코드를 api14로 지정하고 이 모델 id로 바꿔 넣을 수 있습니다. 이 모델은 지원되는 매개변수를 나열하지 않으므로, temperature나 top_p 같은 조정 값을 가정하지 마십시오. 음성 선택이 주요 제어 수단이며, 위에 나열된 네 가지 음성 중에서 선택합니다. maxOutput이 0으로 보고되므로, 문서화된 출력 상한에 의존하기보다 실제로 필요한 오디오를 기준으로 요청을 계획하십시오.

작업이 텍스트 생성, 번역, 분류 또는 작성된 출력을 반환하는 그 어떤 것이라면, 이 모델은 음성만 출력하므로 적합하지 않습니다. 또한 나열된 네 가지 외의 음성이 필요하거나 지원되는 15개를 넘어서는 언어가 필요하다면 좋지 않은 선택입니다. 그러한 경우에는 api14의 텍스트 모델이나 다른 음성 모델을 살펴보십시오.