Microsoft rozbudowuje własne portfolio sztucznej inteligencji, prezentując modele MAI-Image-2.5-Pro oraz MAI-Voice-2-Flash. Nowe rozwiązania stawiają na wysoką jakość generowania obrazu i tekstów na grafikach i szybką, niedrogą syntezę mowy m.in. dla biur obsługi klienta. Autorskie technologie giganta już teraz z powodzeniem zastępują zewnętrzne modele w kluczowych usługach, takich jak Bing, PowerPoint, OneDrive czy Dynamics 365, znacząco obniżając koszty operacyjne GPU i zwiększając wydajność.
Microsoft rozbudowuje własną ofertę modeli AI
Microsoft oficjalnie powiększył swoją ofertę autorskich modeli sztucznej inteligencji, ogłaszając publiczny dostęp do dwóch nowych wariantów: MAI-Image-2.5-Pro, służącego do generowania obrazu o najwyższej jakości, oraz MAI-Voice-2-Flash, zoptymalizowanego pod kątem szybkiej syntezy mowy.
To kolejny krok w strategii giganta, która rozpoczęła się rok temu. Jak wskazuje sam Microsoft w oświadczeniu: "Rok temu postanowiliśmy rozwijać wewnątrz Microsoft AI specjalistyczne, autorskie modele. Tworzone na czystych, przejrzystych i spełniających wymogi biznesowe danych, bez destylacji z modeli firm trzecich, zostały od podstaw zaprojektowane tak, aby służyć osobom korzystającym z produktów Microsoft każdego dnia".
Nowe modele do generowania obrazu i mowy
Nowo udostępniony model MAI-Image-2.5-Pro to najbardziej zaawansowane narzędzie graficzne w portfolio Microsoftu. Został stworzony z myślą o zastosowaniach wymagających dużej precyzji, takich jak tworzenie głównych materiałów wizualnych (ang. hero imagery), szczegółowa edycja czy dokładne renderowanie tekstu na grafikach. Model ten przetwarza również edycje opisane językiem naturalnym.
Cena korzystania z MAI-Image-2.5-Pro wynosi 5 USD za milion tokenów wejściowych tekstu, 8 USD za milion tokenów wejściowych obrazu i 106 USD za milion tokenów wyjściowych obrazu. Zainteresowani mogą go bezpłatnie przetestować w MAI Playground.
MAI-Image-2.5-Pro to znaczący krok naprzód dla narzędzi z kategorii GenMedia. Poza imponującą jakością obrazu, prawdziwym przełomem jest zdolność do renderowania tekstu z taką dokładnością. Model rozumie także edycje w języku naturalnym, dzięki czemu iteracja kreatywna staje się szybsza i znacznie bardziej intuicyjna. Microsoft mocno ugruntował swoją pozycję wśród liderów generatywnej AI - skomentował Rob Reilly, Global Chief Creative Officer w WPP.
Drugą nowością jest MAI-Voice-2-Flash, czyli model zamieniający tekst na mowę (ang. text-to-speech) nastawiony na wysoką wydajność i niskie opóźnienia, idealny do zastosowań o dużej skali, np. w biurach obsługi klienta. Według danych producenta model ten działa dwa razy szybciej i jest o 32% tańszy od wersji MAI-Voice-2, zachowując naturalne brzmienie i jakość dźwięku. Jego cena to 15 USD za milion znaków.
Autorskie modeli trafiły do aplikacji Microsoftu
Zaprezentowane rozwiązania powiększają rodzinę autorskich modeli, które już teraz działają w kluczowych usługach Microsoftu, zastępując rozwiązania zewnętrznych dostawców takich jak OpenAI czy Anthropic. Modele te działają w:
- Bing Image Creator: generator obrazów Bing działa obecnie całkowicie w oparciu o model MAI-Image-2.5, który odpowiada za generowanie i edycję obrazów.
- PowerPoint: zastosowanie modelu MAI-Image-2.5 w funkcjach edycji obrazu pozwoliło obniżyć koszty operacyjne GPU nawet o 84% w porównaniu do GPT-Image-2.
- OneDrive: zintegrowanie MAI-Image-2.5 przy edycji zdjęć podniosło współczynnik zapisu o 26%, obniżyło opóźnienia P95 o około 25% i zagwarantowało 2,5-krotnie wyższą wydajność.
- Dynamics 365 Contact Center: wykorzystanie MAI-Voice-2-Flash do obsługi połączeń (używanych m.in. przez T-Mobile czy EasyJet) zmniejszyło koszty GPU nawet o 89%.
- Azure Voice Live: rozwiązanie pozwala deweloperom tworzyć agenty głosowe nastawione na interakcje speech-to-speech w oparciu o MAI-Voice-2-Flash.
- Dragon Copilot: sektor medyczny wykorzystuje obecnie model MAI-Transcribe-1.5 do wielojęzycznej transkrypcji w 58 językach. Przełożyło się to na 50-procentową względną redukcję błędów transkrypcji i identyfikacji języka.
Microsoft zapowiada, że nie jest to koniec prac. Dowiedz się więcej z naszych artykułów:
