【侨报讯】微软4月2日正式发布三款自研AI模型，分别覆盖语音转写、语音生成和图像生成领域，显示这家科技巨头正加速拓展OpenAI合作之外的自主AI能力布局，以在与谷歌、亚马逊等竞争对手的较量中掌握更多主动权。

基于MAI-Image-2模型生成的图片。（图片来源：微软官网）

此次发布的三款模型包括语音转文字模型MAI-Transcribe-1、语音生成模型MAI-Voice-1，以及图像生成模型MAI-Image-2。其中，MAI-Transcribe-1被微软称为目前市场上准确率最高的语音识别模型之一，尤其适用于呼叫中心、会议室等真实环境中的复杂和高噪音场景。微软表示，该模型在FLEURS基准测试中的价格性能比具有明显优势，可直接对标OpenAI的Whisper以及谷歌Gemini系列。

微软AI首席执行官穆斯塔法·苏莱曼（Mustafa Suleyman）表示，新模型不仅具备“行业领先的准确率”，同时运行速度“快如闪电”，其GPU成本仅为其他同级先进模型的一半。这一成本优势也被视为微软未来推动企业级AI大规模落地的重要基础。

除转录模型外，MAI-Voice-1现已支持开发者通过短音频样本快速生成定制声音，进一步拓宽企业在客服、数字人及内容制作等领域的应用空间。MAI-Image-2则在多个图像生成评测榜单中位列前三，目前已开始接入Bing和PowerPoint等微软核心产品。

这是微软自今年3月AI业务重组后的首次重大模型发布。微软首席执行官萨提亚·纳德拉（Satya Nadella）此前调整组织架构后，苏莱曼已逐步淡出Copilot日常运营，将工作重心转向前沿模型研发和“超级智能”战略。外界普遍认为，这意味着微软正为未来完全独立的大模型体系提前铺路。

目前，上述三款模型已全面上线微软Foundry开发者平台及MAI Playground，面向开发者和企业客户开放商用。