微软 AI 自研模型MAI-1：语音生成与 Copilot 未来

由首席执行官萨利曼（Mustafa Suleyman）领导的Microsoft AI（MAI）于28日发布了两款自研模型——MAI-Voice-1 AI和MAI-1-preview。新的MAI-Voice-1语音生成模型可在单张GPU上1秒内生成1分钟音频，而公开测试的MAI-1-preview则展现了Copilot未来服务的雏形。

微软已在多项功能中采用了MAI-Voice-1，包括由AI朗读当日新闻的Copilot Daily，以及生成播客形式的讨论，辅助说明主题。用户可在Copilot Labs试用MAI-Voice-1，输入想要模型朗读的内容，并调整声音和风格。

MAI-1-preview是一款微软内部的混合专家模型（Mixture of Experts Models，MoE），在约15,000张NVIDIA H100 GPU上进行了预训练和后训练，专为需要能够遵循指令并对日常查询提供有用回应的用户而设计。

MAI计划在目前仍依赖OpenAI模型的Copilot中，对特定文本应用场景逐步推出MAI-1-preview，已在AI基准测试平台LMArena公开测试了这款模型。

“我们对未来的发展抱有宏伟愿景。”MAI在官方博客文章中写道，“我们不仅将在此领域追求进一步的突破，并相信协同一系列针对不同用户需求和场景的专用模型，将能释放巨大的价值。”

实际上，萨利曼去年接受外媒采访时曾表示，微软内部的模型并非专注于企业应用。“我的逻辑是，我们必须打造一款对消费者非常有用的产品，并为我们的使用场景进行优化。”他说，“我们在广告端、消费者遥测等方面拥有大量预测性强且非常实用的数据，我的重点是建立一个真正适合消费者的模型。”