Microsoft AI: MAI-Voice-2.1-Flash

MAI-Voice-2.1-Flash is het met prompts aangestuurde tekst-naar-spraakmodel van Microsoft AI voor snel reagerende gesproken interactie. De fabrikant positioneert het voor stemassistenten, klantenservicegesprekken en telefoonmenu's. Het genereert natuurlijke, expressieve spraak in drieëntwintig talen, met controle over toon en voordracht. Flash is de versie die is gericht op liveantwoorden; het afzonderlijk genoemde MAI-Voice-2.1 geeft voorrang aan gedetailleerde expressie en geluidsgetrouwheid voor langere content.

Tekst, spreker en taal

De invoer is het uit te spreken transcript, met een geselecteerde stem en optionele expressieve instructies in SSML. De beheerde stemmencatalogus onderscheidt spreker, taalvariant en modelversie. Harper en Grant zijn voorbeelden van benoemde sprekers met taalspecifieke vermeldingen. Gebruik de bedoelde tekst in de doeltaal en selecteer de passende taal- en regiovariant; een voorbereide Engelse begroeting en een Spaanse uitleg zijn afzonderlijke gesproken passages, elk met een eigen formulering.

De modelkaart beschrijft een consistente stemidentiteit in de ondersteunde talen en meerdere sprekers voor dialogen. Dit kan een toepassing ondersteunen die één herkenbare verteller nodig heeft voor gelokaliseerde prompts of een korte dialoog met verschillende rollen. Wijs de regels expliciet aan de bedoelde sprekers toe en houd die toewijzingen stabiel. De audio is de gesproken versie van dat script, in plaats van een nieuw antwoord dat op basis van een open vraag wordt samengesteld.

Toon en spreekstijl

Microsoft beschrijft regeling van emotie en voordracht per zin en spreekbeurt via SSML. De beschikbare stijlen hangen af van de geselecteerde stem. De beheerde catalogus omvat taakstijlen zoals narrator, educational en customer_call_center, naast expressieve stijlen voor bepaalde sprekers. De Amerikaanse vermelding van Harper omvat bijvoorbeeld joyful en relieved. Kies een stijl die door de stem wordt ondersteund, in plaats van aan te nemen dat elke spreker dezelfde set accepteert.

Een praktische ondersteuningszin is: “Ik kan u helpen het juiste document te vinden. Vertel me de titel of beschrijf het onderwerp.” Houd het verzoek kort genoeg om de luisteraar te laten handelen en kies een rustige of aanmoedigende voordracht die bij de interactie past. Schrijf voor een leeractiviteit de uitleg en de volgende vraag als afzonderlijke gesproken eenheden. Expressiviteit ondersteunt de betekenis wanneer het script de verandering van bedoeling duidelijk maakt.

Streaming en audiolevering

De Flash-modelkaart beschrijft expliciet streaminguitvoer voor livedialogen, inclusief workflows die omgaan met een luisteraar die door een antwoord heen spreekt. De toepassing kan audio afspelen zodra die binnenkomt en de onderbreking en volgende spreekbeurt coördineren. Daardoor wordt de timing van de gesproken boodschap onderdeel van de interactie en hoeft niet elk antwoord eerst als een volledige opname te worden voorbereid.

De fabrikant laat de synthese-workflow het uitvoerformaat specificeren. Het gepubliceerde voorbeeld produceert een mono-MP3-bestand op 24 kHz en 160 kbit/s. Dat is één gedocumenteerde uitvoerconfiguratie en geen vaste beperking tot een native formaat. Kies een audiorepresentatie die de bedoelde afspeelroute accepteert en houd de spreker en gesproken formulering beschikbaar om het resultaat te controleren.

Optionele modus met referentiestem

De modus van Microsoft voor een aangepaste stem kan een spreker die toestemming heeft gegeven benaderen op basis van een referentieclip van vijf tot zestig seconden, zonder fine-tuning. De modelkaart beveelt een natuurlijke gesprekstoon met gematigde energie aan, omdat de referentie de gegenereerde uitvoering beïnvloedt. Deze modus heeft een afzonderlijk proces voor goedkeuring door de fabrikant en opgenomen toestemming; stemmen uit de vooraf ingestelde bibliotheek vormen een aparte voorbereidingsroute.

Gebruik voor een referentie die een merkverteller moet definiëren een schone, representatieve passage en bepaal welke voordracht in het nieuwe script moet terugkomen. Bereid voor spraak met een vooraf ingestelde stem de concrete namen, opdrachten en formuleringen in de doeltaal voor die de toepassing zal gebruiken. Beluister die passages in de geselecteerde stem en controleer de overgang tussen spreekbeurten. Een bruikbaar resultaat is expressieve gesproken interactie met een bewust gekozen spreker, duidelijke tekst en audio die past bij de afspeelomgeving van de luisteraar.