Selon une information exclusive de TestingCatalog, Microsoft testerait en interne MAI Realtime Microsoft, un modèle vocal natif conçu pour converser en full-duplex — c’est-à-dire capable d’écouter et de parler en même temps, sans les tours de parole rigides des assistants vocaux actuels. Rien n’a été officiellement annoncé par Microsoft ; ces éléments proviennent d’une découverte dans l’interface de MAI Playground, sa plateforme de test interne.
Deux voix, dix-sept langues
D’après les captures repérées, le modèle proposerait deux voix baptisées Victoria et Grant, jugées plus naturelles que le mode vocal actuel de Copilot. MAI Realtime prendrait en charge dix-sept langues, dont le français, l’anglais, l’allemand, l’espagnol, l’italien, le japonais, le coréen, le chinois, l’arabe ou encore le russe, avec une détection automatique ou manuelle de la langue parlée — et la possibilité, selon les éléments repérés, de changer de langue en cours de conversation sans relancer l’échange.
Deux modes d’interaction techniques
Le modèle reposerait sur deux mécanismes distincts pour gérer la parole : un mode « Switchboard », qui s’appuie sur un détecteur de fin de parole maison baptisé MAI-Ears, et un mode déterministe basé sur la détection de silence combinée à Whisper, le système de transcription d’OpenAI. Toujours selon TestingCatalog, l’accent aurait été mis sur une gestion propre des interruptions et une faible latence — le modèle ne saurait en revanche ni chanter ni produire de sons non verbaux, et un panneau de débogage afficherait la latence en direct pendant les tests.
Un accès limité, encore non confirmé
MAI Realtime aurait été repéré comme une entrée d’accès anticipé cachée dans MAI Playground, réservée pour l’instant à un nombre restreint de partenaires. Aucune date de disponibilité publique n’a filtré, et Microsoft n’a fait aucun commentaire officiel sur ces éléments. Si le calendrier reste incertain, la démarche s’inscrit dans une logique cohérente pour l’éditeur, qui a déjà présenté ses propres modèles d’image avec MAI-Image-2.5-Pro : construire une famille de modèles internes MAI capable de réduire sa dépendance aux modèles OpenAI intégrés à Copilot.
Un modèle vocal maison, full-duplex et multilingue, donnerait à Microsoft un levier supplémentaire face à Google (Gemini Live) et OpenAI (mode vocal avancé de ChatGPT) sur un terrain — la voix — où la latence et le naturel de la conversation font toute la différence pour l’adoption grand public.
Qu’est-ce que MAI Realtime de Microsoft ?
MAI Realtime serait un modèle vocal natif en développement chez Microsoft, capable de conversations full-duplex (écouter et parler simultanément) dans dix-sept langues. L’information n’a pas été confirmée officiellement par Microsoft.
MAI Realtime est-il déjà disponible ?
Non. Selon TestingCatalog, le modèle a été repéré comme une entrée d’accès anticipé cachée dans MAI Playground, réservée à un nombre limité de partenaires, sans date de sortie publique connue.
MAI Realtime remplacera-t-il le mode vocal de Copilot ?
Ce n’est pas confirmé, mais les voix Victoria et Grant du modèle sont décrites comme plus naturelles que le mode vocal actuel de Copilot, ce qui suggère une intégration future si le projet est validé.