Microsoft AI ogłosił premierę trzech nowych multimodalnych modeli fundamentowych, przeznaczonych do generowania tekstu, głosu i obrazów, co stanowi kolejny krok w rozbudowie wewnętrznego stosu AI firmy. Modele — MAI-Transcribe-1, MAI-Voice-1 i MAI-Image-2 — zostały opracowane przez zespół MAI Superintelligence pod kierownictwem dyrektora generalnego Mustafy Suleymana..
Model transkrypcji obsługuje 25 języków i zapewnia szybszą wydajność niż dotychczasowe oferty Azure, podczas gdy model głosowy umożliwia szybkie generowanie dźwięku i tworzenie niestandardowych głosów. Model obrazów, wcześniej przedstawiony w MAI Playground, jest teraz szerzej wdrażany w Microsoft Foundry..
Kierownictwo pozycjonuje to wydanie jako część szerszego dążenia do projektowania AI zorientowanego na człowieka i efektywnego kosztowo wdrażania modeli. Microsoft wzmacnia w ten sposób swoją pozycję na konkurencyjnym rynku multimodalnej AI, utrzymując jednocześnie partnerstwo z OpenAI. Posunięcie to wpisuje się w strategię firmy budowania własnych możliwości AI niezależnie od relacji z zewnętrznymi dostawcami modeli..
Źródło: AI Insider
