MAI в AI Gateway: голос на 23 языках и стрим-транскрипция без наценки

Vercel открыл доступ к моделям Microsoft AI (MAI) через AI Gateway — в changelog это одна из немногих площадок, где семейство MAI вообще можно вызвать. Если текстовые модели у вас уже идут через Gateway, голос и расшифровка попадают в тот же API с учётом usage и failover; у MAI заявлены безопасность и zero data retention, в духе обещания Gateway про контроль данных и прозрачность обучения.

Три модели в каталоге

• MAI-Voice-2.1 (microsoft/mai-voice-2.1) — выразительный синтез на 23 языках с одним голосом на длинных отрывках; нарратив, аудиокниги, подкасты, уроки.
• MAI-Voice-2.1-Flash (microsoft/mai-voice-2.1-flash) — тот же мультиязычный синтез с меньшей задержкой; голосовые агенты, ассистенты и быстрые устные ответы.
• MAI-Transcribe-2 Streaming (microsoft/mai-transcribe-2-streaming) — частичные расшифровки, пока аудио ещё идёт; живые субтитры и диалог без ожидания полной записи.

Gateway выставляет счёт по тарифу моделей — без платформенной наценки поверх inference. Параллельно остаются единый API, трейсы запросов, маршрутизация, ретраи и переключение на другого провайдера.

Старт из AI SDK 7

Для короткой реплики в changelog показывают generateSpeech с MAI-Voice-2.1-Flash и голосом Harper. Длинный звук — через microsoft/mai-voice-2.1. Потоковая транскрипция принимает чанки аудио (в примере — ReadableStream моно PCM 16 kHz, 16-bit с микрофона); частичный транскрипт может меняться по ходу, поэтому интерфейсу логичнее перезаписывать текст при каждом обновлении.

Источник: Microsoft AI models are now available on AI Gateway.