Microsoft представила три модели ИИ для улучшения обработки речи и изображений

Microsoft объявила о выпуске трех собственных моделей ИИ: MAI-Transcribe-1, MAI-Voice-1 и MAI-Image-2. Эти модели теперь доступны через Microsoft Foundry и MAI Playground.

MAI-Transcribe-1 предназначена для задач преобразования речи в текст, поддерживая транскрипцию на 25 широко распространенных языках. Она обеспечивает скорость пакетной транскрипции в 2,5 раза выше, чем существующая служба Azure Fast от Microsoft. MAI-Voice-1 ориентирована на генерацию голоса, создавая естественно звучащую речь с эмоциональными нюансами и стабильностью на протяжении длительного контента. Также она позволяет создавать пользовательские голоса на основе коротких аудиозаписей. MAI-Image-2 — это модель генерации изображений по тексту, обеспечивающая реалистичное освещение, точные оттенки кожи и четкое отображение текста на изображениях. Она интегрирована в такие сервисы, как Bing и PowerPoint.

Эти модели доступны для коммерческого использования, при этом цены установлены ниже, чем у аналогичных предложений конкурентов. MAI-Transcribe-1 стоит от 0,36 доллара за час, MAI-Voice-1 — 22 доллара за миллион символов, а MAI-Image-2 — 5 долларов за миллион токенов для текстового ввода и 33 доллара за миллион токенов для вывода изображений.

Несмотря на разработку этих внутренних моделей, Microsoft сохраняет приверженность партнерству с OpenAI. Мустафа Сулейман, генеральный директор Microsoft AI, подчеркнул приверженность компании этому сотрудничеству при одновременном ведении параллельных стратегий развития ИИ.