Microsoft revela MAI Realtime, prometendo interações de voz em tempo real mais naturais

A Microsoft está testando o MAI Realtime, seu primeiro modelo de voz nativo com capacidade full-duplex e em tempo real. Este sistema permite que a IA ouça e fale ao mesmo tempo, eliminando as pausas artificiais que marcam muitas interações de voz atuais. O acesso inicial ao MAI Realtime é feito através do MAI Playground, e ele já apresenta duas vozes, Victoria e Grant, que superam a naturalidade do modo de voz atual do Copilot.

Tecnicamente, o MAI Realtime gerencia as conversas com baixa latência, suportando interrupções de fala limpas. Ele oferece dois modos de escuta: o Switchboard, que usa um MAI-Ears endpointer e tokens de controle, e um modo determinístico, que combina detecção de silêncio com um Whisper semantic endpointer. O modelo é focado estritamente em conversação, não gerando sons não-verbais ou música. A expectativa é que o MAI Realtime seja integrado ao Microsoft Foundry para desenvolvedores e ao Copilot Voice para usuários finais.

Até agora, os modelos de voz da Microsoft, como o MAI-Voice-2 e MAI-Transcribe-1.5, operavam de forma unidirecional (apenas síntese ou reconhecimento). Mais importante, a camada de conversão de fala para fala na API Voice Live do Azure Speech dependia de um modelo externo, o GPT-Realtime da OpenAI, como o CEVIU News noticiou em cobertura anterior sobre as inovações da OpenAI.

Com o MAI Realtime, a Microsoft desenvolve uma solução full-duplex própria, eliminando essa dependência. Essa mudança alinha a empresa com a tendência de modelos de voz bidirecionais, já vista com o GPT-Live da OpenAI, lançado em julho de 2026, e o Gemini Live API do Google, que chegou ao mercado em julho de 2026. A Microsoft, que vem trocando componentes da OpenAI em seus produtos e lançou sete modelos internos no Build 2026, agora possui um sistema de voz em tempo real nativo para competir nesse cenário.

A chegada do MAI Realtime marca um avanço fundamental para a interação humano-IA. Ao permitir conversas bidirecionais e full-duplex, ele torna a comunicação com sistemas como o Copilot muito mais natural e fluida, espelhando a forma como conversamos entre nós. Isso melhora a experiência do usuário, tornando a IA menos robótica e mais intuitiva.

Para a Microsoft, o MAI Realtime é um passo estratégico crucial para consolidar sua independência tecnológica no campo da IA. Desenvolver soluções proprietárias reduz a dependência de fornecedores externos, como a OpenAI, garantindo maior controle sobre o desenvolvimento, a personalização e a segurança de suas plataformas. Isso acelera a inovação em todo o ecossistema Microsoft, desde ferramentas de desenvolvimento no Foundry até o uso diário em produtos como o Copilot.