微软 MAI 音频模型上线 Vercel AI Gateway

核心事实

Vercel 在更新日志中宣布，已与微软 AI（MAI）合作，将 MAI 系列模型接入其 AI Gateway。据该公告，AI Gateway 是少数可访问 MAI 模型的平台之一。首批上线的是音频类模型：MAI-Voice-2.1（模型标识 microsoft/mai-voice-2.1）与 MAI-Voice-2.1-Flash（microsoft/mai-voice-2.1-flash）用于语音生成，MAI-Transcribe-2 Streaming（microsoft/mai-transcribe-2-streaming）用于流式转写。

按公告描述，MAI-Voice-2.1 可生成富有表现力的语音，支持 23 种语言，并在较长段落中保持说话人一致；Flash 版本面向更低延迟的交互场景；Transcribe-2 Streaming 则在音频仍在传入时返回部分转写结果，可用于实时字幕或边听边转写。计费方面，公告称 AI Gateway 按模型标价计费，不收取平台费，也不对推理加价。

背景与影响

公告提到，MAI 对安全与零数据保留（ZDR）的关注，与 Vercel 希望让 AI Gateway 用户掌控自身数据、并了解数据如何用于训练的目标一致。AI Gateway 的定位是提供统一 API 来调用模型、跟踪用量与成本、查看请求链路，并支持在可用供应商之间进行路由、重试与故障转移。对开发者而言，这意味着可以在同一套接口下调用微软的语音生成与流式转写能力，而不必单独对接各家供应商。

限制与来源

以上信息来自 Vercel 更新日志，具体模型能力、语言支持范围、可用地区、计费标准与账号要求，请以 Vercel 与微软官方页面当前公布的信息为准。公告未披露各模型的具体性能指标、定价数字或上线地区清单，本文亦未作推测。相关代码示例涉及 AI SDK 7 中的 experimental_generateSpeech 与 experimental_streamTranscribe，属于实验性接口，后续行为可能调整。