MAI-Voice-2.1-Flash — это модель преобразования текста в речь с низкой задержкой от Microsoft AI, оптимизированная для быстрого отклика в реальном времени. Она генерирует естественную, выразительную речь на 23 языках с интонацией, ритмом и эмоциональными оттенками, свойственными человеческой речи. Модель подходит для голосовых агентов, помощников, кол-центров и других интерактивных приложений, где наиболее важны задержка и стоимость.
В API ВЕГА задайте в параметре voice полный ID голоса с суффиксом модели, например "en-US-Harper:MAI-Voice-2.1-Flash". Локаль голоса определяет язык синтеза. Для responseformat укажите "mp3" или "pcm" (24 kHz, моно). Голоса Harper и Grant поддерживают стили речи агента, оператора кол-центра, преподавателя и диктора, а многие голоса для разных локалей также поддерживают эмоциональные стили, например возбуждённый, счастливый, грустный и шёпот. Полный список голосов приведён в поле supportedvoices модели API. См. руководство по преобразованию текста в речь.
API ВЕГА# Запрос к API ВЕГА через microsoft/mai-voice-2.1-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-2.1-flash",
"messages": [
{ "role": "user", "content": "Hello!" }
]
}'