Microsoft stellt neue KI-Modelle für Bildgenerierung und Sprachverarbeitung vor

Microsoft hat am 23. Juli zwei neue, proprietäre Modelle für künstliche Intelligenz vorgestellt: MAI-Image-2.5-Pro und MAI-Voice-2-Flash. Beide Modelle sind ab sofort in einer öffentlichen Vorschau verfügbar und zielen auf hochwertige Bildgenerierung bzw. effiziente Sprachinteraktion ab.[br]Das Unternehmen betonte, dass die neuen Modelle mit sauberen, nachvollziehbaren Daten auf Unternehmensebene trainiert wurden, ohne auf die Destillation von Drittanbietermodellen zurückzugreifen. MAI-Image-2.5-Pro gilt als das bisher präziseste Bildmodell von Microsoft und eignet sich für anspruchsvolle Anwendungsfälle wie die Erstellung von Hauptvisualisierungen, detaillierte Bearbeitungen und die Textdarstellung in Bildern, gesteuert durch Anweisungen in natürlicher Sprache.[br]MAI-Voice-2-Flash ist für Sprachanwendungen mit hoher Gleichzeitigkeit optimiert. Es soll etwa doppelt so schnell und 32 Prozent kostengünstiger sein als sein Vorgänger, bei gleichzeitig natürlicher Sprachmelodie und hoher Qualität mit geringer Latenz.[br]Beide Modelle wurden bereits in das Microsoft-Produktökosystem integriert. Bing Image Creator nutzt MAI-Image-2.5-Pro als Standardmodell für die Bilderzeugung. In PowerPoint unterstützt das Modell Bildbearbeitungsfunktionen, und OneDrive setzt es für bestimmte Bildbearbeitungsaufgaben ein. MAI-Voice-2-Flash wurde im Dynamics 365 Contact Center für KI-basierte Kundendienstagenten implementiert und für Entwickler in Azure Voice Live integriert.[br]Microsoft kündigte an, dass die MAI-Modellreihe weiter ausgebaut und Entwicklern über die Foundry-Plattform zur Verfügung gestellt wird. Das Unternehmen hat zudem seine GB200-Rechencluster der nächsten Generation in Betrieb genommen, um die fortlaufende Modellentwicklung zu unterstützen.