Microsoft a annoncé aujourd'hui avoir élargi son camp de modèles d'IA auto-développés, lancé officiellement le modèle de génération et d'édition d'images haute fidélité MAI-Image-2.5-Pro et lancé la version bêta publique du modèle de synthèse vocale à faible latence MAI-Voice-2-Flash.
En tant que modèle de génération d'images le plus précis de Microsoft à ce jour, MAI-Image-2.5-Pro est conçu pour les scénarios d'application qui nécessitent une génération d'images raffinée, une édition secondaire, une conception d'affiche visuelle principale et un rendu de texte plus précis. En termes de stratégie de tarification, le modèle se vend à 5 USD par million de jetons de saisie de texte, à 8 USD par million de jetons d'entrée d'image et à 106 USD par million de jetons de sortie d'image. Actuellement, les développeurs et les utilisateurs peuvent découvrir ce modèle gratuitement sur la plateforme MAI Playground.
Dans le même temps, Microsoft a publié MAI-Voice-2-Flash, qui se concentre sur des scénarios d'applications vocales à haute concurrence et à faible latence, tels que les robots du service client. Les données officielles montrent que tout en conservant une intonation naturelle et une qualité sonore de haute qualité, la vitesse de fonctionnement de MAI-Voice-2-Flash a doublé et son coût a été réduit de 32 %. Son prix est de 15 dollars par million de caractères.
Microsoft a révélé que bon nombre de ses activités principales ont été entièrement intégrées dans les modèles de la série MAI auto-développés. Par exemple, Bing Image Creator est entièrement passé à MAI-Image-2.5, et la fonction de génération de graphiques de PowerPoint a également été connectée à ce modèle. Par rapport à la solution tierce précédemment adoptée, le coût du GPU a été réduit jusqu'à 84 % après le passage au modèle auto-développé. Dans OneDrive, l'application de MAI-Image-2.5 augmente le taux de sauvegarde de l'édition d'images de 26 % et réduit la latence P95 d'environ 25 %. De plus, MAI-Voice-2-Flash a été utilisé pour la première fois dans le centre de contact Dynamics 365, permettant d'économiser jusqu'à 89 % des coûts GPU, et est disponible dans le cadre d'Azure Voice Live pour permettre aux développeurs de créer des agents d'interaction vocale. Le modèle de transcription multilingue MAI-Transcribe-1.5 a également fourni avec succès à Dragon Copilot des services de dictée dans 58 langues.