4月3日消息，美国时间周四，微软旗下研究部门Microsoft AI宣布推出三款基础人工智能模型，全面覆盖文本、语音及图像生成领域。

此举表明，微软在维持与OpenAI深度合作的同时，正持续构建自主的多模态AI技术栈，以应对同业竞争。

最新新闻稿显示，MAI-Transcribe-1语音转录模型支持25种语言，处理速度达微软现有Azure Fast服务的2.5倍；音频生成模型MAI-Voice-1支持创建自定义语音，1秒内可生成60秒音频；MAI-Image-2则定位为图像生成模型。

目前，上述三款模型均已上线Microsoft Foundry平台，转录与语音模型亦同步登陆MAI Playground测试平台。此前，MAI-Image-2已于3月19日在该测试平台首发。

该系列模型由Microsoft AI首席执行官穆斯塔法·苏莱曼（Mustafa Suleyman）领导的MAI超级智能（MAI Superintelligence）团队研发。该团队于2025年11月正式组建并对外公布。

苏莱曼在最新博客中表示，团队秉持“人文主义AI”理念，模型开发侧重优化自然交互体验及实际应用落地。他透露，未来将在Foundry平台及微软自有产品矩阵中部署更多自主模型。

面对当前大模型市场的白热化竞争，微软打出了“价格牌”。最新明确表示，这三款模型的核心竞争优势之一，正是其定价远低于谷歌与OpenAI的同类竞品。

具体费率方面，MAI-Transcribe-1定价每小时0.36美元起；MAI-Voice-1每百万字符22美元起；MAI-Image-2的文本输入与图像输出成本，则分别为每百万词元（Token）5美元和33美元起。

一方面，微软在加紧自研步伐；另一方面，其对外部盟友的安抚也未曾停歇。苏莱曼在接受VentureBeat采访时重申，微软与OpenAI的合作承诺不会动摇。但在与The Verge的对谈中，他也透露了一个关键细节：正是双方近期重新修订的协议条款，为微软实质性推进自身的超级智能研究扫清了障碍。

迄今为止，微软已向OpenAI豪掷超130亿美元，并通过长效合作机制将后者的模型全面接入自家产品生态。从底层算力到上层模型，微软的战略意图已彻底浮出水面：正如在AI芯片领域“自研+采购”的双线布局一样，在基础大模型赛道上，微软同样选择了“两条腿走路”。（易句）