# Microsoft MAI Audio — AI Compare Ninja

> Streaming-Transkription und mehrsprachige Sprachsynthese auf Microsoft Foundry. Nicht ElevenLabs und nicht die klassische Azure-Speech-Liste.

## Überblick
- **Kategorie:** Audio & Voice (Stimmen & Sprachsynthese)
- **Status:** Aktiv geprüft - Aktive Sprachmodelle auf Microsoft Foundry, geprüft im Beitrag von Microsoft AI.
- **Bezahlt ab:** 0.54 USD / je Audiostunde, bis Ende 2026 (MAI-Transcribe-2-Streaming)
- **Kostenlos:** Kein kostenloser Plan ausgewiesen
- **Website:** https://microsoft.ai/
- **Kanonische URL:** https://www.aicompare.ninja/tool/microsoft-mai-audio

## Was es kann
- Streaming-Transkription und Sprachsynthese auf Microsoft Foundry. Nicht ElevenLabs.
- MAI-Transcribe-2-Streaming einführend 0.54 USD je Audiostunde bis Ende 2026.
- MAI-Voice-2.1 22 USD per 1 Million Zeichen. MAI-Voice-2.1-Flash 15 USD per 1 Million Zeichen.

## Kurz erklärt
Microsoft MAI Audio umfasst MAI-Transcribe-2-Streaming, MAI-Voice-2.1 und MAI-Voice-2.1-Flash auf Microsoft Foundry. Die Sprachmodelle gibt es laut dem Beitrag auch über OpenRouter. Das ist nicht ElevenLabs und nicht die klassische Azure-Speech-Liste.

MAI-Transcribe-2-Streaming kostet einführend 0.54 USD je Audiostunde bis Ende 2026. MAI-Voice-2.1 kostet 22 USD per 1 Million Zeichen. MAI-Voice-2.1-Flash kostet 15 USD per 1 Million Zeichen. Microsoft Learn markiert MAI-Transcribe-2-Streaming als Public Preview und nennt keinen zweiten Dollarbetrag. Preise in US-Dollar laut Anbieter, ohne Währungsumrechnung.


## Limits
MAI-Transcribe-2-Streaming, MAI-Voice-2.1 und MAI-Voice-2.1-Flash sind Sprachmodelle von Microsoft auf Microsoft Foundry. Die Sprachmodelle gibt es laut dem Beitrag auch über OpenRouter. Das ist nicht ein ElevenLabs-Sitz oder eine Eleven-API-Rate und nicht die klassische Azure-Speech-Liste. MAI-Transcribe-2-Streaming kostet einführend 0.54 USD je Audiostunde bis Ende 2026. MAI-Voice-2.1 kostet 22 USD per 1 Million Zeichen. MAI-Voice-2.1-Flash kostet 15 USD per 1 Million Zeichen. Microsoft Learn markiert MAI-Transcribe-2-Streaming als Public Preview und nennt keinen zweiten Dollarbetrag.

## Preisstufen
| Stufe | Preis | Zeitraum | Was enthalten ist |
| --- | --- | --- | --- |
| MAI-Transcribe-2-Streaming | 0.54 USD | je Audiostunde, bis Ende 2026 | Einführungspreis 0.54 USD je Audiostunde bis Ende 2026.; Microsoft Learn markiert das Modell als Public Preview und nennt keinen zweiten Dollarbetrag.; Nicht ein ElevenLabs-Sitz oder eine Eleven-API-Rate und nicht die klassische Azure-Speech-Liste. |
| MAI-Voice-2.1 | 22 USD | per 1 Million Zeichen | 22 USD per 1 Million Zeichen.; Nicht ein ElevenLabs-Sitz oder eine Eleven-API-Rate und nicht die klassische Azure-Speech-Liste. |
| MAI-Voice-2.1-Flash | 15 USD | per 1 Million Zeichen | 15 USD per 1 Million Zeichen.; Nicht ein ElevenLabs-Sitz oder eine Eleven-API-Rate und nicht die klassische Azure-Speech-Liste. |

## Quellen
Alle Angaben zu Tarifen, Limits und Funktionen basieren auf der offiziellen Anbieter-Dokumentation und den nachfolgend geprüften Primärquellen.

- https://microsoft.ai/news/our-first-streaming-transcription-model/
- https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe-2-streaming

---
*Quelle: AI Compare Ninja (2026) - https://www.aicompare.ninja/tool/microsoft-mai-audio*