Microsoft : MAI-Voice-2
Nouvelle version : MAI-Voice-2.1
Microsoft AI a lancé le 2 juin 2026 MAI-Voice-2, un modèle de synthèse vocale guidée par une invite, pour les assistants, les livres audio et les expériences d’accessibilité. Il prend du texte en entrée et produit de l’audio.
À quoi sert MAI-Voice-2
Audio
MAI-Voice-2 prend du texte en entrée et produit de la parole.
Synthèse vocale
MAI-Voice-2 est construit pour les produits et services où la qualité de la voix pèse directement sur l’expérience : les assistants et le support client représentant une marque, les livres audio qui maintiennent l’attention et les expériences d’accessibilité où la voix constitue la seule interface.
Ses cas d’usage vont des voix d’applications et d’appareils aux personnages de jeux, aux podcasts, aux livres audio et aux expériences de réalité augmentée ou virtuelle. Ils comprennent aussi la narration pour les personnes malvoyantes, les voix pour les troubles de la parole, les cours et simulations, ainsi que la création audio avec sa propre voix sans studio.
Des balises d’émotion permettent de contrôler l’expression vocale, avec des indications comme triste, chuchoté ou enthousiaste. Le billet de Microsoft AI du 2 juin 2026 annonçait que le modèle reproduisait sans entraînement préalable une voix à partir de 5 à 60 secondes d’audio de référence, dans toutes les langues prises en charge, avec des garde-fous de consentement intégrés ; la carte du catalogue Microsoft Foundry, relue le 2 novembre 2026, indique un court extrait audio de 10 à 120 secondes.
Selon Microsoft AI, le modèle garde une identité de locuteur stable sur les contenus longs : livres audio, podcasts, cours. Il passe aussi d’une langue à l’autre pour certaines paires, notamment entre le hindi et l’anglais ou entre l’espagnol et l’anglais.
- Audio
- Synthèse vocale
Les performances de MAI-Voice-2
Selon le billet de Microsoft AI du 2 juin 2026, MAI-Voice-2 est préféré à son prédécesseur MAI-Voice-1 72 % du temps. Dans les évaluations de similarité du locuteur, la parole générée ne se distingue pas des enregistrements de la même voix.
Caractéristiques techniques de MAI-Voice-2
MAI-Voice-2, modèle de synthèse vocale de Microsoft AI, est sorti le 2 juin 2026. Le tableau des caractéristiques indique l’éditeur et la date de sortie.
À sa sortie, le modèle étend sa prise en charge au-delà de l’anglais seul, avec ces langues et variantes : anglais (États-Unis), anglais (Australie), italien, français, allemand, hindi, espagnol (Espagne), espagnol (Mexique), portugais (Brésil), portugais (Portugal), coréen, chinois simplifié, turc, russe, thaï, néerlandais, roumain et hongrois.
Le modèle réalise une synthèse vocale guidée par une invite : il prend du texte en entrée et produit de l’audio. Il privilégie le naturel et l’expressivité plutôt que les scénarios à très faible latence.
- Éditeur
Microsoft
- Sortie
- Hébergeurs
- Azure
Source : OpenRouter.
Où utiliser MAI-Voice-2
Le 2 juin 2026, Microsoft AI annonçait MAI-Voice-2 disponible dans Microsoft Foundry, avec une intégration en cours dans VS Code et Dynamics 365 Contact Center ; les modèles MAI peuvent aussi s’essayer dans MAI Playground. Sur OpenRouter, le modèle porte l’identifiant microsoft/mai-voice-2.
Selon la capsule de publication GitHub de Microsoft Foundry mise à jour le 19 août 2026, le modèle est proposé par Azure Speech en préversion publique, sans accord de niveau de service, et n’est pas recommandé pour des charges de production. Le clonage de voix instantané exige une approbation d’accès limité, des enregistrements sous licence ou consentis et des garde-fous de consentement au niveau du système.
Le consentement est imposé au niveau du système : seules des voix autorisées et sous licence peuvent être synthétisées en production. Lors de la keynote MAI de Build du 2 juin 2026, Microsoft AI annonce des protections contre le clonage non autorisé pour ses modèles vocaux, ainsi qu’un filigrane sur toutes leurs sorties.
L'API chez des hébergeurs
Servi par d'autres hébergeurs que Microsoft, selon OpenRouter
Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites : nous ne l'attribuons pas au modèle seul.
MAI-Voice-2 parmi les versions de MAI-Voice
MAI-Voice-2, sorti le 2 juin 2026, est l’une des 4 versions de MAI-Voice publiées sur Aikiwi, rangées dans la frise par date de sortie.
Les versions sélectionnées
| Repères | MAI-Voice-2Vous êtes ici | MAI-Voice-2-Flash | MAI-Voice-2.1-Flash | MAI-Voice-2.1 |
|---|---|---|---|---|
| Elo | ||||
| Sortie | ||||
| Contexte | ||||
| Prix d'entrée | ||||
| Prix de sortie | ||||
| Entrées | ||||
| Réflexion | ||||
| Tâches | ||||
| Ce qui le distingue | Microsoft AI a lancé le 2 juin 2026 MAI-Voice-2, un modèle de synthèse vocale guidée par une invite, pour les assistants, les livres audio et les expériences d’accessibilité. Il prend du texte en entrée et produit de l’audio. | MAI-Voice-2-Flash, publié par Microsoft AI le 23 juillet 2026, est un modèle de synthèse vocale qui lit du texte et produit de la parole. Microsoft le présente à sa sortie pour les agents de centre d’appels, les assistants vocaux conversationnels et les serveurs vocaux interactifs. | MAI-Voice-2.1-Flash est un modèle de Microsoft AI sorti le 1er octobre 2026, qui lit du texte et produit de l’audio. Il est conçu pour la synthèse vocale rapide à faible latence ; parmi les cas d’usage que cite Microsoft figurent les agents et assistants vocaux en temps réel et les expériences interactives multilingues. | MAI-Voice-2.1 a été publié le 1er octobre 2026 par Microsoft AI, qui le présente à sa sortie comme un modèle de synthèse vocale multilingue. Il accepte du texte et produit de la parole ; selon Microsoft Learn, ses cas d’usage incluent les livres audio, les podcasts et les contenus éducatifs. |
Les repères sont ceux renseignés dans l'annuaire ; un repère absent de toutes les versions sélectionnées n'est pas affiché. Comparaison complète dans le comparateur
La génération MAI 2
FAQ
Quand MAI-Voice-2 est-il sorti ?
MAI-Voice-2 est sorti le 2 juin 2026 : Microsoft AI l’a lancé ce jour-là par un billet.
Usage sur OpenRouter
- Voix
- 252 k requêtes sur le dernier mois · 10e sur 20 des modèles les plus utilisés en Voix
Source : OpenRouter (openrouter.ai/rankings), au , données sous licence CC BY 4.0. Le volume traité via l'API OpenRouter mesure l'adoption, pas la qualité.