Microsoft AI: MAI-Voice-2

MAI-Voice-2, Microsoft AI tarafından geliştirilen ve sağlayıcı tarafından 2 Haziran 2026 tarihinde yayımlanan ifade yeteneği yüksek bir metinden sese modelidir. Konuşma kategorisinde yer alır, yani görevi metni kendisi üretmek veya düzenlemek yerine yazılı metni sesli konuşmaya dönüştürmektir. Sentetik bir sese ihtiyaç duyan bir şey geliştiriyorsanız, bu model diğer metinden sese seçenekleriyle birlikte değerlendirebileceğiniz türden bir modeldir.

Model tek girdi olarak metni alır ve tek çıktı olarak konuşma üretir. İfade yeteneği yüksek olarak tanımlanmıştır; bu, düz ve robotik bir sunumun deneyimi bozacağı uygulamalar için önemlidir. Microsoft bunu sohbet asistanları, medya anlatımı, erişilebilirlik, eğitim ve diğer uzun biçimli ses uygulamaları için konumlandırmıştır ve 15 dili destekler. Bu model için bağlam uzunluğu belirtilmemiştir, dolayısıyla token tabanlı bağlam planlamasını burada geçerli değil olarak değerlendirin. Kullanılabilir sesler en-US-Harper, es-MX-Valeria, fr-FR-Soleil ve de-DE-Klaus olup her biri MAI-Voice-2 modeline bağlıdır.

Bu yetenekler oldukça net bir kullanım senaryoları kümesine işaret eder. Sohbet asistanları bunu yanıtları kullanıcılara doğal bir sesle geri okumak için kullanabilir. Medya ve içerik ekipleri bunu video, makale veya diğer uzun biçimli materyaller üzerinde anlatım için kullanabilir. Erişilebilirlik araçları yazılı içeriği dinlemeyi tercih eden kullanıcılar için sese dönüştürebilir. Eğitim ürünleri dersleri, alıştırmaları veya çalışma materyallerini sesli okuyabilir. Model uzun biçimli ses çalışmalarını ele aldığı için, tek bir kısa klip yerine sürekli konuşma çıktısına ihtiyaç duyduğunuz projelere uygundur.

Modele api14'ün OpenAI uyumlu API'si üzerinden "microsoft/mai-voice-2" model id değerini kullanarak erişirsiniz. Arayüz OpenAI biçimini izlediği için mevcut OpenAI tarzı istemci kodunuzu api14'e yönlendirip bu model id değerini kullanabilirsiniz. Model desteklenen parametre belirtmemektedir, dolayısıyla temperature veya top_p gibi ayar düğmelerinin etkili olacağını varsaymayın. Ses seçimi ana kontrol yüzeyidir ve yukarıda listelenen dört ses arasından seçim yaparsınız. maxOutput değerinin 0 olarak bildirildiğini unutmayın, bu nedenle isteklerinizi belgelenmiş bir çıktı üst sınırına güvenmek yerine gerçekten ihtiyaç duyduğunuz sese göre planlayın.

Göreviniz metin üretimi, çeviri, sınıflandırma veya yazılı çıktı döndüren herhangi bir şeyse bu model yanlış tercihtir, çünkü yalnızca konuşma üretir. Listelenen dört sesin dışında bir ses veya desteklediği 15 dilin ötesinde bir dil gerekiyorsa da kötü bir seçimdir. Bu durumlarda api14 üzerindeki bir metin modeline veya farklı bir konuşma modeline bakın.