Для текста, голоса и изображений. Microsoft представила три новые ИИ-модели

Об этом пишет издание TechCrunch.

Новые модели получили названия MAI-Transcribe-1, MAI-Voice-1 и MAI-Image-2. Первая распознает речь и переводит ее в текст на 25 языках. По данным компании, она работает в 2,5 раза быстрее, чем Azure Fast.

MAI-Voice-1 генерирует звук и может создавать до 60 секунд аудио за одну секунду, а также позволяет настраивать собственный голос. MAI-Image-2 предназначена для создания видео.

Модель MAI-Image-2 ранее уже появилась в тестовой среде MAI Playground 19 марта. Теперь все три модели доступны на платформе Microsoft Foundry, а инструменты для работы с текстом и голосом также добавили в MAI Playground.

Разработкой занималась команда MAI Superintelligence под руководством генерального директора Microsoft AI Мустафы Сулеймана. Ее создали в ноябре 2025 года.

В компании объяснили, что делают акцент на «человекоцентричном» подходе — модели обучают так, чтобы они лучше соответствовали реальным способам общения и были удобными в практическом использовании. Также в Microsoft заявили, что планируют и в дальнейшем выпускать новые модели и интегрировать их в свои продукты.

Компания рассчитывает конкурировать на рынке, в частности за счет более низкой стоимости. Цены стартуют от 0,36 доллара в час для распознавания речи, от 22 долларов за 1 миллион символов для генерации голоса и от 5 долларов за 1 миллион токенов текста и 33 долларов за 1 миллион токенов изображений.

Несмотря на запуск собственных моделей, в Microsoft подтвердили, что продолжают сотрудничество с OpenAI. По словам Сулеймана, пересмотр условий партнерства позволил компании активнее развивать собственные исследования в сфере сверхинтеллекта.

Microsoft инвестировала более 13 миллиардов долларов в развитие OpenAI и продолжает использовать ее модели в своих продуктах в рамках многолетнего соглашения.