微軟人工智慧研究實驗室周四宣布發布三款基礎AI模型，能夠生成文本、語音和圖像內容。
此次發布標誌著微軟繼續推進構建自有多模態AI模型體系，與競爭對手AI實驗室展開競爭，儘管該公司仍與OpenAI保持緊密合作關係。
據公司新聞稿顯示，MAI-Transcribe-1能夠將25種不同語言的語音轉錄為文本，速度比微軟Azure Fast服務快2.5倍。MAI-Voice-1是一個音頻生成模型，用戶可以在一秒鐘內生成60秒的音頻內容，並支持創建定製語音。MAI-Image-2是一個影片生成模型。
MAI-Image-2最初於3月19日在MAI Playground（一個新的大語言模型測試軟體）上發布。現在，三款模型都在Microsoft Foundry平台上發布，轉錄和語音模型也可在MAI Playground中使用。
這些模型由微軟MAI超級智能團隊開發，該AI研究團隊由微軟AI首席執行官穆斯塔法·蘇萊曼領導，於2025年11月成立並宣布。
"在微軟AI，我們正在構建人文主義AI。我們在創建AI模型時有獨特的視角——以人類為中心，優化人們的實際溝通方式，針對實際應用進行訓練，"蘇萊曼在部落格文章中寫道。"你們將很快在Foundry平台和微軟產品體驗中看到我們更多的模型。"
在日益擁擠的大語言模型市場中，MAI希望這些模型的賣點是比谷歌和OpenAI的模型更便宜，公司在部落格文章中寫道。
MAI-Transcribe-1起價為每小時0.36美元。MAI-Voice-1起價為每100萬字符22美元，MAI-Image-2文本輸入起價為每100萬Token 5美元，圖像輸出為每100萬Token 33美元。
儘管發布了自有模型，蘇萊曼在接受VentureBeat採訪時重申了微軟對與OpenAI合作關係的承諾——儘管蘇萊曼告訴The Verge，最近對該合作關係的重新談判讓微軟能夠真正推進這項超級智能研究。
微軟已向這家AI研究實驗室投資超過130億美元，並通過多年合作關係在其各種產品中託管其模型。微軟在晶片方面也採取同樣立場：既生產自有產品，也從外部供應商採購。
Q&A
Q1：微軟新發布的三款AI模型分別有什麼功能？
A：MAI-Transcribe-1能夠將25種不同語言的語音轉錄為文本，速度比微軟Azure Fast服務快2.5倍；MAI-Voice-1是音頻生成模型，用戶可以在一秒鐘內生成60秒音頻並創建定製語音；MAI-Image-2是影片生成模型。
Q2：微軟這些新AI模型的價格如何？
A：MAI-Transcribe-1起價為每小時0.36美元，MAI-Voice-1起價為每100萬字符22美元，MAI-Image-2文本輸入起價為每100萬Token 5美元，圖像輸出為每100萬Token 33美元，定價相比谷歌和OpenAI更具競爭優勢。
Q3：微軟發布自有AI模型後還會繼續與OpenAI合作嗎？
A：會繼續合作。蘇萊曼重申了微軟對與OpenAI合作關係的承諾，微軟已向OpenAI投資超過130億美元。最近重新談判的合作關係讓微軟既能推進自有超級智能研究，又保持與OpenAI的多年合作夥伴關係。
