› Microsoft wypuścił 1 października 2026 trzy modele głosowe: MAI-Voice-2.1 i MAI-Voice-2.1-Flash (zamiana tekstu na mowę) oraz MAI-Transcribe-2-Streaming (transkrypcja na żywo).
› Wszystkie trzy obsługują polski.
› Lektor kosztuje 22 USD za milion znaków, a wersja Flash 15 USD - mniej niż Eleven v4 w cenie regularnej.
› Polski ma jednak tylko dwa głosy i nie obsługuje emocji.