近日，微软AI研究实验室（Microsoft AI）发布了三款全新的基础型AI模型，可分别生成文本、语音和图像，标志着微软在多模态AI领域的持续布局，并进一步强化与其他AI实验室的竞争，同时仍保持与OpenAI的合作关系。
其中，MAI-Transcribe-1支持将25种语言的语音转为文字，其速度是微软Azure Fast的2.5倍；MAI-Voice-1是一款音频生成模型，能够在1秒内生成60秒音频，同时支持用户创建定制化声音；MAI-Image-2则可生成视频内容。值得注意的是，MAI-Image-2最早于3月19日在MAI Playground上线测试，而现在三款模型均已在Microsoft Foundry发布，语音转录和语音生成模型也在Playground提供使用。
这三款模型由微软MAI超级智能团队（MAI Superintelligence Team）开发，该团队由微软AI CEO Mustafa Suleyman领导，于2025年11月成立。Suleyman在博客中表示，微软AI致力于打造“以人为本的AI”，强调以人类交流需求为中心进行优化，并注重实用性训练。他透露，未来还会有更多模型在Foundry及微软产品中上线。
在竞争激烈的大型语言模型（LLM）市场，微软的另一卖点是价格优势：MAI-Transcribe-1每小时起价0.36美元，MAI-Voice-1每100万字符22美元，MAI-Image-2每100万文本令牌5美元，每100万图像令牌33美元，相比Google和OpenAI的产品更具成本竞争力。
尽管推出自有模型，Suleyman在接受媒体采访时重申微软对OpenAI合作的承诺。他表示，最近对合作协议的重新谈判，使微软能够更独立地推进超级智能研究。微软已在AI研究实验室投资超过130亿美元，并通过多年合作将模型应用于自家产品，同时在芯片供应上采取“自研与外购并行”的策略。
苏公网安备32021302001419号