据 TestingCatalog 报道，微软正在测试首款原生实时语音模型 MAI Realtime。该模型采用双向全双工交互，支持用户在 AI 回答时插话，并通过端点检测识别说话开始、停顿和结束，实时调整输出。MAI Realtime 支持中文、英语、日语、韩语、法语、德语、阿拉伯语等 16 种语言，可自动识别并在对话中切换语言，测试版提供 Victoria 和 Grant 两种语音风格。目前模型已在 MAI Playground 向部分合作伙伴开放测试，尚未公布上线 Microsoft Foundry 或接入 Copilot 语音功能的时间。
