微軟推出其首款自研AI模型：MAI-Voice-1 秒級生成音頻，MAI-1-preview劍指Copilot文本場景

記者 8 月 29 日消息，週四，微軟人工智慧部門正式推出其首批兩款自研 AI 模型 ——MAI-Voice-1 語音模型與 MAI-1-preview 通用模型。據微軟介紹，全新的 MAI-Voice-1 語音模型僅需單塊 GPU，就能在 1 秒內生成時長 1 分鐘的音頻；而 MAI-1-preview 模型則“讓用戶提前窺見 Copilot 未來功能的發展方向”。

目前，微軟已將 MAI-Voice-1 應用於多項功能中：例如在“Copilot Daily”功能裏，AI 主持人會通過該模型播報當日熱點新聞；同時，它還能生成播客風格的對話內容，幫助用戶理解各類話題。

普通用戶可在 Copilot Labs 平臺親自體驗 MAI-Voice-1：不僅能輸入希望 AI 表達的內容，還可自定義語音音色與說話風格。除這款語音模型外，微軟此次同步推出的 MAI-1-preview 模型，訓練過程動用了約 1.5 萬塊英偉達 H100 GPU。該模型專為特定需求用戶設計，具備遵循指令的能力，可“為日常諮詢提供實用回應”。

微軟 AI 負責人穆斯塔法・蘇萊曼去年在《Decoder》播客某期節目中表示，公司內部研發的 AI 模型並未將企業級應用場景作為核心方向，他解釋道：“我的思路是，我們必須打造一款對消費者而言體驗極佳的產品，並針對自身應用場景進行深度優化。在廣告業務、消費者行為數據等領域，我們擁有海量高預測性、高實用性的數據，因此我的工作重點是構建真正適配‘消費者夥伴’定位的模型。”

據悉，微軟 AI 計畫將 MAI-1-preview 模型應用於 Copilot 助手的特定文本使用場景（目前 Copilot 主要依賴 OpenAI 的大型語言模型）。同時，該模型已開始在 AI 基準測試平臺 LMArena 上進行公開測試。

記者注意到，微軟 AI 團隊在博客文章中寫道：“我們對未來發展有著宏大規劃。接下來，我們不僅會持續推進技術突破，更相信通過整合一系列針對不同用戶需求與應用場景的專業模型，將釋放出巨大價值。”

來源：中國IT之家