Microsoft lanserar två nya AI-modeller för bildskapande och röstbehandling

Microsoft meddelade den 23 juli lanseringen av två nya, egenutvecklade AI-modeller: MAI-Image-2.5-Pro och MAI-Voice-2-Flash. Båda modellerna är nu tillgängliga i en offentlig förhandsgranskning och är inriktade på högkvalitativ bildgenerering och effektiv röstinteraktion.[br]Företaget betonar att de nya modellerna har tränats med ren, spårbar och företagsanpassad data, utan att förlita sig på tredjepartsmodeller. MAI-Image-2.5-Pro är Microsofts hittills mest exakta bildmodell, lämplig för avancerade användningsområden som att skapa huvudbilder, detaljerad redigering och textrendering i bilder, styrd genom naturligt språk.[br]MAI-Voice-2-Flash är optimerad för högtrafikerade röstapplikationer. Den uppges vara cirka dubbelt så snabb och 32 procent billigare än föregående version, samtidigt som den bibehåller naturlig språkkvalitet och låg latens.[br]Båda modellerna har redan börjat integreras i Microsofts egna produkter. Bing Image Creator använder MAI-Image-2.5-Pro som standardmodell för bildskapande och redigering. I PowerPoint används modellen för bildredigeringsfunktioner, och OneDrive använder den i vissa bildredigeringsfunktioner. MAI-Voice-2-Flash har tagits i bruk i Dynamics 365 Contact Center för kundtjänstlösningar och integrerats i Azure Voice Live-tjänsten för utvecklare.[br]Microsoft meddelade också att dess MAI-serie av modeller kommer att utökas och göras tillgängliga för utvecklare via Foundry-plattformen. Företaget har också tagit i drift en ny generation av GB200-beräkningskluster för att driva den fortsatta modellutvecklingen.