MAI-Voice-2-Flash — это модель синтеза речи с низкой задержкой от Microsoft, предназначенная для голосовых агентов, ассистентов, колл-центров, средств обеспечения доступности, озвучивания и других интерактивных приложений. Она генерирует выразительную монофоническую речь с частотой 24 kHz на 15 языках и в 18 локализациях с детализированным контролем над тоном и подачей. Промптинг и клонирование голоса требуют утверждённого Microsoft доступа и надлежащего согласия диктора.
# Запрос к API VEGA через microsoft/mai-voice-2-flash
curl https://api.vega.chat/api/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $VEGA_API_KEY" \
-d '{
"model": "microsoft/mai-voice-2-flash",
"messages": [
{ "role": "user", "content": "Hello!" }
]
}'