Microsoft Presenta Tres Modelos de IA Internos Enfocados en Generación de Voz, Habla e Imagen

Microsoft ha anunciado el lanzamiento de tres nuevos modelos de IA desarrollados completamente internamente: MAI-Transcribe-1, MAI-Voice-1 y MAI-Image-2. Estos modelos están diseñados para mejorar las capacidades en transcripción de voz, generación de voz y creación de imágenes, respectivamente.

MAI-Transcribe-1 es un modelo de voz a texto que logra una tasa de error de palabras del 3.8% en 25 idiomas, superando a los modelos existentes de OpenAI y Google. Soporta múltiples formatos de audio y ofrece velocidades de transcripción más rápidas en comparación con las ofertas actuales de Microsoft Azure.

MAI-Voice-1 es un modelo de texto a voz capaz de generar 60 segundos de audio con sonido natural en un solo segundo. Preserva la identidad del hablante en contenido de larga duración y soporta la creación de voces personalizadas a partir de breves muestras de audio. El modelo tiene un precio de 22 dólares por cada millón de caracteres.

MAI-Image-2, el creador de imágenes mejorado, ofrece tiempos de generación más rápidos y ha sido integrado en Bing y PowerPoint. Su precio es de 5 dólares por cada millón de tokens para entrada de texto y 33 dólares por cada millón de tokens para salida de imagen.

Estos modelos están disponibles a través de Microsoft Foundry y el nuevo MAI Playground, marcando un paso significativo en los esfuerzos de desarrollo de IA de Microsoft.