微软发布自研AI模型MAI-1：语音1秒生成，文本能力对标Copilot

8月29日消息，本周四，微软人工智能部门正式发布其首批两款自研AI模型——MAI-Voice-1语音模型与MAI-1-preview通用模型。微软表示，全新的MAI-Voice-1语音模型仅需单块GPU，就能在一秒内生成长达一分钟的音频内容；而MAI-1-preview模型则“让用户提前感受到Copilot未来功能的发展潜力”。

目前，MAI-Voice-1已被微软实际应用于多项功能中。例如在“Copilot Daily”板块，AI主持人会借助该模型播报当天的热点新闻。同时，该模型还能生成类似播客风格的对话内容，帮助用户更轻松地理解各类话题。

普通用户现可通过Copilot Labs平台亲身体验MAI-Voice-1：不仅可以输入希望AI表达的内容，还能自定义语音的音色和说话风格。除了语音模型之外，微软此次还同步推出了MAI-1-preview模型。该模型在训练过程中使用了约1.5万块英伟达H100 GPU，专门面向有特定需求的用户设计，具备优秀的指令遵循能力，能够“为日常咨询提供实用且准确的回应”。

微软AI负责人穆斯塔法・苏莱曼去年曾在《Decoder》播客节目中表示，公司自研的AI模型并未将企业级应用作为核心方向。他解释说：“我的理念是，我们必须打造出对消费者来说真正好用的产品，并针对自身应用场景做深度优化。在广告业务和消费者行为数据等方面，我们拥有大量高预测性、高实用性的数据，因此我的工作重点始终是构建真正符合‘消费者伙伴’定位的AI模型。”

据了解，微软AI计划将MAI-1-preview模型应用于Copilot助手的特定文本场景（目前Copilot主要依赖OpenAI的大型语言模型）。同时，该模型已开始在AI基准测试平台LMArena上公开测试。

微软AI团队在官方博文中写道：“我们对未来有着非常宏大的规划。接下来，我们不仅会持续推动技术突破，更相信通过整合一系列面向不同用户需求与应用场景的专业模型，将释放出前所未有的价值潜力。”