Azure AI Speech: MAI-Voice-2

MAI-Voice-2 是 Microsoft AI 自研的高擬真語音模型，透過 Azure AI Speech 提供，主打情緒豐富、表現力強的長篇朗讀，適合有聲書、Podcast、旁白與教育內容。

與 Azure Neural TTS 相比，MAI-Voice-2 的韻律與情緒起伏更接近真人，多數語音支援 happy、excited、whispering、softvoice 等十多種細緻的說話風格；與 MAI-Voice-2 Flash 相比，音質與長句一致性更好，但延遲較高、單價也較高（22 USD／1M 字元）。

輸入僅支援文字或 SSML，單次最長 20,000 字元，輸出為音訊，格式支援 mp3、wav、pcm、opus；可用語音名稱以 :MAI-Voice-2 或 :MAI-Voice-2.1 結尾，涵蓋英文、簡體中文、韓文、法文、德文等二十多種語言（目前沒有台灣中文與日文）。

需要即時對話、低延遲的場景請改用 MAI-Voice-2 Flash；若需要台灣中文語音，請使用 Azure Neural TTS。