微软推出自主研发的模型 MAI-Image-2.5-Pro 和 MAI-Voice-2-Flash,现已集成到必应和 PowerPoint 中
7月23日,微软宣布了两款专有AI模型——MAI-Image-2.5-Pro和MAI-Voice-2-Flash——的公开预览版。这些模型专为高质量图像生成和高并发语音交互而设计。 微软强调,训练数据经过清理、可追溯,且并非源自第三方模型蒸馏。这些模型完全从零开始构建,直接服务于微软产品的用户。

最高精度图像模型可将 GPU 成本降低多达 84%
MAI-Image-2.5-Pro 是微软精度最高的图像模型,专为英雄图生成、精细编辑和图像内文本渲染等高要求用例而设计,同时支持自然语言编辑指令。它已成为 Bing Image Creator 中的默认图像生成模型,并被用于 PowerPoint 中的图像到图像编辑。 与 GPT-Image-2 相比,它可将 GPU 成本降低多达 84%。在 OneDrive 部署后,场景成功率提高了 26%,P95 延迟降低了约 25%,中等负载生产环境中的效率提高了 2.5 倍。
定价方面,文本输入为每百万令牌 5 美元,图像输出为每百万令牌 106 美元。
语音模型速度翻倍,服务于 T-Mobile 等客户

MAI-Voice-2-Flash 专为高频语音应用进行了优化,速度约为上一代的两倍,成本降低了 32%,非常适合呼叫中心和语音助手等需要快速响应的场景。 该模型已集成到 Dynamics 365 Contact Center 中,为 T-Mobile 和易捷航空(EasyJet)等客户提供服务,GPU 成本最高可降低 89%。微软还将其嵌入 Azure Voice Live 服务,使开发者能够构建语音到语音的交互式代理。
此外,同系列的 MAI-Transcribe-1.5 模型已被应用于医疗语音解决方案 Dragon Copilot,该方案已被 17 万名医疗保健提供者采用。该模型上季度处理了 2800 万次患者问诊,支持 58 种语言,并使大多数语言的转录错误率降低了约 50%。 微软透露,新一代 GB200 计算集群已投入运行,MAI 系列也将持续扩展。
相关文章
ARIA禁止纯AI歌曲进入排行榜,但允许由人类创作和AI辅助制作的歌曲上榜
澳大利亚唱片业协会(ARIA)已将完全由人工智能生成的歌曲从其官方排行榜中剔除,新政策将于下周一生效。 这一决定源于一首利用AI人声和鼓点模仿麦当娜歌曲《Like a Prayer》的作品,该曲在澳大利亚排行榜前20名中停留了16周,最高排名第2位,由此引发了关于生成式AI在音乐中作用的争论。现在,榜单入围必须包含人类参与根据更新后的规则,只有主要由人类创作、演绎和制作的歌曲才能进入排行榜。 纯A
印度报告首例失控人工智能代理活动
印度网络安全监管机构周四报告称,多家供应商的人工智能代理在研究和测试阶段访问了印度各组织的个人信息和机密资料。印度计算机应急响应小组(CERT-In)表示,该机构收到了“多家AI模型提供商的主动通报”,称其模型在公开互联网上进行研究和评估运行时,“已侵入印度各组织的实时系统”。这些智能代理通过应用程序配置中暴露的凭证和连接设置、公共代码仓库以及权限过宽的云角色获得了访问权限,其行为“超出了其被分配
如何针对谷歌日本和雅虎日本优化SEO?
如何使用Remini制作AI婴儿照片:完整指南引言了解AI婴儿风潮Remini应用使用分步指南3.1 安装 Remini 应用3.2 初始设置与界面导航3.3 上传照片3.4 自定义模型和编辑选项3.5 生成您的AI宝宝图片查看生成的结果保存和分享您的AI宝宝照片优势 和 缺点 AI宝宝风潮的结语AI宝宝风潮已席卷网络,让用户能够预见未来孩子的模样。这一现象利用人工智能技术,根据用户上传的照片生成
相关专题推荐
评论 (0)
0/500
7月23日,微软宣布了两款专有AI模型——MAI-Image-2.5-Pro和MAI-Voice-2-Flash——的公开预览版。这些模型专为高质量图像生成和高并发语音交互而设计。 微软强调,训练数据经过清理、可追溯,且并非源自第三方模型蒸馏。这些模型完全从零开始构建,直接服务于微软产品的用户。

最高精度图像模型可将 GPU 成本降低多达 84%
MAI-Image-2.5-Pro 是微软精度最高的图像模型,专为英雄图生成、精细编辑和图像内文本渲染等高要求用例而设计,同时支持自然语言编辑指令。它已成为 Bing Image Creator 中的默认图像生成模型,并被用于 PowerPoint 中的图像到图像编辑。 与 GPT-Image-2 相比,它可将 GPU 成本降低多达 84%。在 OneDrive 部署后,场景成功率提高了 26%,P95 延迟降低了约 25%,中等负载生产环境中的效率提高了 2.5 倍。
定价方面,文本输入为每百万令牌 5 美元,图像输出为每百万令牌 106 美元。
语音模型速度翻倍,服务于 T-Mobile 等客户

MAI-Voice-2-Flash 专为高频语音应用进行了优化,速度约为上一代的两倍,成本降低了 32%,非常适合呼叫中心和语音助手等需要快速响应的场景。 该模型已集成到 Dynamics 365 Contact Center 中,为 T-Mobile 和易捷航空(EasyJet)等客户提供服务,GPU 成本最高可降低 89%。微软还将其嵌入 Azure Voice Live 服务,使开发者能够构建语音到语音的交互式代理。
此外,同系列的 MAI-Transcribe-1.5 模型已被应用于医疗语音解决方案 Dragon Copilot,该方案已被 17 万名医疗保健提供者采用。该模型上季度处理了 2800 万次患者问诊,支持 58 种语言,并使大多数语言的转录错误率降低了约 50%。 微软透露,新一代 GB200 计算集群已投入运行,MAI 系列也将持续扩展。
ARIA禁止纯AI歌曲进入排行榜,但允许由人类创作和AI辅助制作的歌曲上榜
澳大利亚唱片业协会(ARIA)已将完全由人工智能生成的歌曲从其官方排行榜中剔除,新政策将于下周一生效。 这一决定源于一首利用AI人声和鼓点模仿麦当娜歌曲《Like a Prayer》的作品,该曲在澳大利亚排行榜前20名中停留了16周,最高排名第2位,由此引发了关于生成式AI在音乐中作用的争论。现在,榜单入围必须包含人类参与根据更新后的规则,只有主要由人类创作、演绎和制作的歌曲才能进入排行榜。 纯A
印度报告首例失控人工智能代理活动
印度网络安全监管机构周四报告称,多家供应商的人工智能代理在研究和测试阶段访问了印度各组织的个人信息和机密资料。印度计算机应急响应小组(CERT-In)表示,该机构收到了“多家AI模型提供商的主动通报”,称其模型在公开互联网上进行研究和评估运行时,“已侵入印度各组织的实时系统”。这些智能代理通过应用程序配置中暴露的凭证和连接设置、公共代码仓库以及权限过宽的云角色获得了访问权限,其行为“超出了其被分配
如何针对谷歌日本和雅虎日本优化SEO?
如何使用Remini制作AI婴儿照片:完整指南引言了解AI婴儿风潮Remini应用使用分步指南3.1 安装 Remini 应用3.2 初始设置与界面导航3.3 上传照片3.4 自定义模型和编辑选项3.5 生成您的AI宝宝图片查看生成的结果保存和分享您的AI宝宝照片优势 和 缺点 AI宝宝风潮的结语AI宝宝风潮已席卷网络,让用户能够预见未来孩子的模样。这一现象利用人工智能技术,根据用户上传的照片生成





首页






