8 月 29 日消息，周四，微軟人工智能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(jù)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(nèi)生成時(shí)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(fā)展方向”。
目前，微軟已將 MAI-Voice-1 應(yīng)用于多項(xiàng)功能中：例如在“Copilot Daily”功能里，AI 主持人會(huì)通過該模型播報(bào)當(dāng)日熱點(diǎn)新聞；同時(shí)，它還能生成播客風(fēng)格的對(duì)話內(nèi)容，幫助用戶理解各類話題。
普通用戶可在 Copilot Labs 平臺(tái)親自體驗(yàn) MAI-Voice-1：不僅能輸入希望 AI 表達(dá)的內(nèi)容，還可自定義語音音色與說話風(fēng)格。除這款語音模型外，微軟此次同步推出的 MAI-1-preview 模型，訓(xùn)練過程動(dòng)用了約 1.5 萬塊英偉達(dá) H100 GPU。該模型專為特定需求用戶設(shè)計(jì)，具備遵循指令的能力，可“為日常咨詢提供實(shí)用回應(yīng)”。
微軟 AI 負(fù)責(zé)人穆斯塔法?蘇萊曼去年在《Decoder》播客某期節(jié)目中表示，公司內(nèi)部研發(fā)的 AI 模型并未將企業(yè)級(jí)應(yīng)用場(chǎng)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(duì)消費(fèi)者而言體驗(yàn)極佳的產(chǎn)品，并針對(duì)自身應(yīng)用場(chǎng)景進(jìn)行深度優(yōu)化。在廣告業(yè)務(wù)、消費(fèi)者行為數(shù)據(jù)等領(lǐng)域，我們擁有海量高預(yù)測(cè)性、高實(shí)用性的數(shù)據(jù)，因此我的工作重點(diǎn)是構(gòu)建真正適配‘消費(fèi)者伙伴’定位的模型?！?/p>
據(jù)悉，微軟 AI 計(jì)劃將 MAI-1-preview 模型應(yīng)用于 Copilot 助手的特定文本使用場(chǎng)景（目前 Copilot 主要依賴 OpenAI 的大型語言模型）。同時(shí)，該模型已開始在 AI 基準(zhǔn)測(cè)試平臺(tái) LMArena 上進(jìn)行公開測(cè)試。
微軟 AI 團(tuán)隊(duì)在博客文章中寫道：“我們對(duì)未來發(fā)展有著宏大規(guī)劃。接下來，我們不僅會(huì)持續(xù)推進(jìn)技術(shù)突破，更相信通過整合一系列針對(duì)不同用戶需求與應(yīng)用場(chǎng)景的專業(yè)模型，將釋放出巨大價(jià)值?！?/p>
