MAI-Image-2.7 Flash 是 Microsoft AI 推出的 MAI-Image-2.7 系列中延迟更低、成本更低的成员,专为对延迟敏感、高吞吐量的图像生成与编辑而构建,质量可与 precision 层级相媲美。它支持相同的多参考编辑,最多可使用五张输入图像,并支持相同的固定宽高比或由模型选择的宽高比。
模态
价格
$1.75每百万 tokens
上下文
4K
发布于
2026-11-17
Microsoft-Decision-1.1 是 Microsoft 推出的一个用于快速决策的模型,也是 Microsoft-Decision-1 的继任者。它不生成文本,而是读取所提供的内容,并为每个固定答案选项返回经过校准的概率,因此响应本身带有置信度,并能判断应用程序应在何时采取行动、暂缓处理或请求审核。它适用于分类、路由、优先级排序、验证、工作流控制、agent 护栏和 AI 评判。它不适用于开放式生成、对话、翻译或摘要。
MAI-Image-2.7 是 Microsoft AI 推出的图像生成与编辑模型,属于 MAI-Image-2.7 系列中的高精度层级,与速度更快的 MAI-Image-2.7 Flash 并列。它适用于可直接用于设计的高质量视觉内容,以及可控的迭代式编辑,包括多参考编辑——可结合最多五张输入图像中的人物、产品、风格和场景,同时保持构图与细节。宽高比可固定,也可交由模型根据构图自行选择。
Microsoft-Decision-1 是一个专为快速决策而构建的小型模型。它不生成文本,而是读取提供的内容,并为每个固定的答案选项返回校准概率,因此响应自带置信度,并能确定应用程序何时执行、延迟或请求审核。该模型基于 Qwen3.5-9B 进行后训练,用于单遍评分,适用于分类、路由、优先级排序、验证、工作流控制、智能体护栏和 AI 评判。它不适用于开放式生成、对话、翻译或摘要。权重持续更新,而 API 形态保持不变。 在微软的公告中了解更多:https://commandline.microsoft.com/microsoft-decision-1-model-foundry/
MAI-Voice-2.1 是微软 AI 最高保真度、最具表现力的文本转语音模型。它能以 23 种语言生成自然、录音室级别的语音,具有精细的韵律、细腻的表现力,并在长篇内容中保持说话人一致性。它适用于有声书、播客、讲座、旁白和品牌音频等对音质要求极高的场景。该模型优先考虑自然度和表现力,而非低延迟生成。在 OpenRouter 上,将 voice 设置为带有模型后缀的完整语音 ID,例如 "en-US-Harper:MAI-Voice-2.1"。语音的区域设置决定合成语言。将 response_format 设置为 "mp3" 或 "pcm"(24 kHz 单声道)。Harper 和 Grant 支持 agent、customer-call-center、educational 和 narrator 说话风格,并且许多区域的语音还支持 excited、happy、sad、whispering 等情感风格。完整语音列表位于模型 API 的 supported_voices 字段中。参见文本转语音指南。