Microsoft AI: MAI-Voice-2

MAI-Voice-2 is een expressief tekst-naar-spraakmodel van Microsoft AI, uitgebracht door de provider op 2 juni 2026. Het valt in de categorie spraak, dus het zet geschreven tekst om in gesproken audio in plaats van zelf tekst te genereren of te bewerken. Als je iets bouwt dat een synthetische stem nodig heeft, is dit het soort model dat je zou evalueren naast andere tekst-naar-spraakopties.

Het model neemt tekst als enige invoer en produceert spraak als enige uitvoer. Het wordt beschreven als expressief, wat belangrijk is voor toepassingen waar een vlakke, robotachtige levering de ervaring zou schaden. Microsoft positioneert het voor conversationele assistenten, medianarratie, toegankelijkheid, onderwijs en andere langdurige spraaktoepassingen, en het ondersteunt 15 talen. Er wordt geen contextlengte vermeld voor dit model, dus beschouw tokengebaseerde contextplanning hier als niet van toepassing. De beschikbare stemmen zijn en-US-Harper, es-MX-Valeria, fr-FR-Soleil en de-DE-Klaus, elk gekoppeld aan het MAI-Voice-2-model.

Die mogelijkheden wijzen op een redelijk duidelijke set use cases. Conversationele assistenten kunnen het gebruiken om antwoorden met een natuurlijke stem aan gebruikers terug te spreken. Media- en contentteams kunnen het gebruiken voor narratie over video, artikelen of ander langdurig materiaal. Toegankelijkheidshulpmiddelen kunnen geschreven content omzetten in audio voor gebruikers die liever luisteren. Onderwijsproducten kunnen lessen, oefeningen of studiemateriaal hardop voorlezen. Omdat het model langdurig spraakwerk aankan, past het bij projecten waar je aanhoudende spraakuitvoer nodig hebt in plaats van een enkele korte clip.

Je roept het aan via de OpenAI-compatibele API van api14 met het model-id "microsoft/mai-voice-2". Omdat de interface het OpenAI-formaat volgt, kun je bestaande OpenAI-achtige clientcode op api14 richten en dit model-id invoegen. Het model vermeldt geen ondersteunde parameters, dus ga er niet van uit dat afstemmingsknoppen zoals temperature of top_p effect zullen hebben. Stemselectie is het belangrijkste bedieningsoppervlak, en je kiest uit de vier hierboven genoemde stemmen. Let op dat maxOutput wordt gerapporteerd als 0, dus plan je verzoeken rond de audio die je daadwerkelijk nodig hebt in plaats van te vertrouwen op een gedocumenteerd uitvoerplafond.

Als je taak tekstgeneratie, vertaling, classificatie of iets anders is dat geschreven uitvoer retourneert, dan is dit model ongeschikt, omdat het alleen spraak uitzendt. Het is ook een slechte keuze als je een stem buiten de vier vermelde nodig hebt of een taal buiten de 15 die het ondersteunt. Kijk voor die gevallen naar een tekstmodel of een ander spraakmodel op api14.