מיקרוסופט מציגה את MAI-Voice-1 ואת MAI-1-preview: מהירות ואוטונומיה

אינפורמטק דיגיטל » בינה מלאכותית » מיקרוסופט מציגה את MAI-Voice-1 ואת MAI-1-preview: מהירות ואוטונומיה

מיקרוסופט עשתה צעד חדש ומציגה את מודלי הבינה המלאכותית הראשונים שפותחו באופן פנימי, צעד המסמן שינוי קצב באסטרטגיה שלה ומכוון ישירות לציבור הרחב עם MAI-Voice-1 ו-MAI-1-preview.

המותג MAI הוא ראשי תיבות של "Microsoft AI", והוא מגיע עם שתי הצעות ברורות מאוד: אחת המתמקדת בדיבור אולטרה-מהיר והשנייה בטקסט עם ארכיטקטורה מקצועית. זה מציב את החברה בדרך עצמאית יותר בהשוואה ל-OpenAI, תוך שמירה על שיתוף פעולה אך מכוון את עתידה לכיוון מודלים משלה המסוגלים להתחרות עם ChatGPT, Gemini ואחרים בתחום הבינה המלאכותית הגנרטיבית.

מהם MAI-Voice-1 ו-MAI-1-preview?

MAI-1-preview הוא, על פי מיקרוסופט, מודל פנימי עם ארכיטקטורת תערובת מומחים (MoE) שאומנה בשני שלבים (קדם-אימון ואחרי-אימון) על כ-15.000 כרטיסי מסך של NVIDIA H100. תצורת "מומחה" זו מפעילה רק את תת-הרכיבים הדרושים לכל משימה, תוך חיפוש יעילות והתאמה טובה יותר לכוונת המשתמש.

בנוגע למוצר, החברה מציינת שמודל טקסט זה נועד לעקוב אחר הוראות ולספק תשובות מועילות לשאלות יומיומיות . לכן, הפריסה הראשונית שלו תהיה מבוקרת: הוא יוצג לכמה תרחישי טקסט ב-Copilot במהלך השבועות הקרובים כדי ללמוד מאינטראקציה ומשוב מהעולם האמיתי.

בנוסף לאינטגרציה הדרגתית זו, מיקרוסופט אפשרה בדיקות ציבוריות בפלטפורמת LMArena כדי לאסוף אותות איכותיים יותר. ובמקביל, היא מתכננת להנגיש אותה למפתחים באמצעות API, ובכך לחזק את תהליך ההערכה והשיפור המתמיד של המודל.

החברה מדגישה כי לא תנטוש מנועי בינה מלאכותית אחרים: היא תמשיך להשתמש במודלים הטובים ביותר מהצוות שלה, משותפים כמו Anthropic , ובמערכת האקולוגית של קוד פתוח היכן שזה הגיוני. בטווח הקצר, MAI-1-preview לא נועד להחליף את GPT-5 ב-Copilot; אלא, הוא ישמש במקרים ספציפיים שבהם הוא יכול להציע יתרונות ברורים.

בינתיים, MAI-Voice-1 היא הצעת הקול של מיקרוסופט: מודל גנרטיבי "אקספרסיבי וטבעי ביותר" שכבר זמין ב-Copilot Daily ובפודקאסטים, ונגיש גם כחוויות חדשות בתוך Copilot Labs. החזון מאחוריו ברור: "קול הוא ממשק העתיד" לעוזרי בינה מלאכותית שימושיים וידידותיים יותר למשתמש.

ההבטחה הטכנית מרשימה: היא יכולה להפיק דקה של אודיו בפחות משנייה באמצעות כרטיס מסך יחיד . מהירות זו, בשילוב עם גוון צליל באיכות גבוהה והיכולת להתמודד עם תרחישים עם שחקן קול אחד או יותר, מציבה את MAI-Voice-1 בין מערכות סינתזת הדיבור היעילות ביותר הקיימות כיום.

בבדיקות והדגמות פומביות, האודיו נשמע חלק באופן מפתיע, עם אינטונציה וקצב משכנעים, אם כי התמיכה בשפות מוגבלת כרגע לאנגלית . התאמה אישית של סגנונות וקולות נחקרת דרך Copilot Labs, שם מיקרוסופט הציגה לראשונה חוויות כגון "Copilot Audio Expressions".

פרט מעניין אחד: השמות שנבחרו (MAI-Voice-1 ו-MAI-1-preview) ברורים ו"מאוד דמויי הנדסה ". מעבר לאנקדוטה הזו, הנקודה הרלוונטית היא שהם מסמנים מפת דרכים לקראת קטלוג של דגמים ייעודיים עם התמקדות בצרכן, תוך עדיפות למהירות, יעילות וקלות שימוש.

MAI-Voice-1: יכולות, שימושים והיכן ניתן לנסות זאת

MAI-Voice-1 מוצגת כמערכת שמע גנרטיבית באיכות גבוהה המסוגלת לדובב, לספר וליצור קריינות כהרף עין. נקודת המכירה העיקרית שלה היא זמן השהייה: יצירת שמע של עד דקה בפחות משנייה בעזרת כרטיס מסך יחיד מאפשרת יישומים כמעט בזמן אמת.

האינטגרציה הראשונית יושמה ב- Copilot Daily וב-Podcasts , שם בינה מלאכותית כבר מסנתזת תקצירים וקטעים מדוברים. כדי להתנסות בסגנונות וניואנסים, Copilot Labs משיקה את "Copilot Audio Expressions", עם הדגמות של קריינות ודיבור אקספרסיבי למשתמשים.

בחוויות אלו, מיקרוסופט מציגה אפשרויות כגון מצב רגשי (שליטה בטון ובקצב) או מצב סיפור עם קריינות תיאטרלית יותר. המטרה היא להציע מגוון רחב של קולות וסגנונות הניתנים להתאמה, הן עבור קריין יחיד והן עבור סצנות עם מספר שחקני קול.

החברה מדגישה כי המודל יעיל במשאבים : הוא פועל עם כרטיס מסך יחיד ועדיין משיג רמת ביטוי יוצאת דופן. איזון זה בין עלות לאיכות הופך אותו לאטרקטיבי עבור מוצרי צריכה ועבור צוותים חסרי תשתית הסקה נרחבת.

בין מקרי השימוש הברורים ביותר שהוצעו על ידי מיקרוסופט נמנים סיפור סיפורים, יצירת מדיטציות מודרכות , יצירת תסריטים של קריינות ומתן סיוע בשיחה בזמן אמת. כל זאת עם קול שנועד להיות טבעי וניתן להתאמה להקשר.

• קריינות וסיפור סיפורים: סיפורים, מדריכי שמע, לימוד שפות או סיפורים עם מספר דמויות.
• הפקת תוכן: פודקאסטים אוטומטיים, טריילרים למוצרים, קטעי קידום מכירות או סיכומים יומיים.
• סיוע ונגישות: קריאת טקסטים, תמיכה במשתמשים עם קשיי ראייה, או יצירה מהירה של הוראות מדוברות.
• חוויות אינטראקטיביות: עוזרי תגובה קולית, מדריכים קונטקסטואליים באפליקציות ובמשחקים, או בוטים תומכים עם צלילים שונים.

תכונה חשובה היא יכולת ריבוי קולות , שימושית לדרמטיזציות, ראיונות מדומים או תפקידים שונים באותה הקלטת שמע. גמישות זו בנוף הצלילים מאפשרת יצירת תוכן עשיר יותר מבלי ללכת לאולפן או לתאם קולות אנושיים.

בדמואים, מספיקה בקשה פשוטה של ​​"סיפור על X" כדי להפיק דקה של אודיו עם קולות ואינטונציות שונות תוך שנייה. אמנם מוקדם מדי להעריך באופן מלא את כל הניואנסים, אך התוצאות הראשוניות משדרות טבעיות משכנעת המתאימה לשימוש יומיומי.

נכון לעכשיו, MAI-Voice-1 מתמקד באנגלית , נקודה שכדאי לקחת בחשבון אם קהל היעד העיקרי שלכם הוא דובר ספרדית. עם זאת, הארכיטקטורה והביצועים שלו מצביעים על אפשרות לתמיכה רחבה יותר בשפות ככל שההכשרה וההערכה הציבורית מתקדמים.

ראוי לזכור שמבחינת אבטחה ואתיקה, מיקרוסופט חזרה על כך שתבטל כל תכונה שגורמת לבינה מלאכותית להיראות כבעלת רגשות או מטרות משלה . הרעיון הוא לשפר את התועלת מבלי להפוך אותה לאנתרופומורפית, דבר רגיש במיוחד בעוזרי שיחה מבוססי קול.

תצוגה מקדימה של MAI-1: ארכיטקטורה, פריסה ואסטרטגיה

MAI-1-preview הוא מודל הטקסטואלי הבסיסי הראשון שנוצר על ידי מיקרוסופט במסגרת חטיבת ה-MAI שלה. הוא אומן בקנה מידה יוצא דופן (כ-15.000 H100) ומאמץ את גישת MoE: "תערובת של מומחים" שבה רק החלקים הרלוונטיים של המודל מופעלים עבור כל קלט.

עיצוב זה מאפשר חלוקת מיומנויות בין מומחים ומשפר את הביצועים במשימות של ביצוע הוראות . מיקרוסופט שואפת לספק פתרונות שימושיים ויומיומיים, תוך מתן עדיפות לחוויית משתמש הקצה על פני מיקוד עסקי גרידא.

בפועל, הפריסה תהיה דו-שלבית. ראשית, גרסה ראשונית של המודל תיפרס במספר תרחישים מבוססי טקסט ב-Copilot , באופן מבוקר, כדי למדוד טלמטריה ולאסוף משוב. לאחר מכן, בהתבסס על משוב זה, התנהגות המודל תותאם והיקפו יורחב.

שנית, החברה פתחה גישת בדיקות ב-LMArena להערכה ציבורית . ערוץ זה מאיץ את מחזור השיפור, מספק קלט מגוון ומאפשר זיהוי הזדמנויות לכוונון עדין לפני אינטגרציה רחבה יותר.

מיקרוסופט מבהירה ש-MAI-1-preview אינו מחליף (בינתיים) את GPT-5 בתוך Copilot . האסטרטגיה היא להשתמש ב"מודל הנכון למשימה הנכונה", לשלב את MAI-1-preview במשימות ספציפיות ולהשוות את ביצועיו באופן רציף.

במקביל, החברה מאשרת כי תמשיך להסתמך על שילוב של מנועי טכנולוגיה: שלה, של שותפים כמו OpenAI, וחידושים מקהילת הקוד הפתוח . בדרך זו, Copilot יכולה ליהנות הן מהאוטונומיה של MAI והן מהמודל הטוב ביותר הזמין בכל תחום.

כל המהלך הזה הוא חלק משינוי רחב יותר: צמצום התלות הטכנולוגית ב-OpenAI ובניית תשתית בינה מלאכותית גמישה וקניינית. מוסטפא סולימאן, ראש חטיבת הבינה המלאכותית של מיקרוסופט, הדגיש כי המטרה היא לבצע אופטימיזציה עבור משתמש הקצה, תוך מינוף אותות שימוש (טלמטריה, התנהגות) כדי לספק עוזרים מועילים ומותאמים אישית יותר.

החזון של מיקרוסופט הוא "לתזמר מגוון מודלים ייעודיים " המכסים כוונות ומצבים שונים, ולייצר "ערך עצום" עבור המשתמשים. החברה מתארת ​​אותה כ"שער לעולם של ידע", שאיפה שמתורגמת לשילוב בינה מלאכותית במוצרים מגדירי קטגוריה.

בנוגע לעיצוב אחראי, סולימאן הדגיש גם את החשיבות של הימנעות מאנתרופומורפיזם : בניית בינה מלאכותית עבור אנשים, אך לא כאילו היו "אנשים דיגיטליים". זה רלוונטי במיוחד במודלים קוליים ועוזרים שעשויים ליצור רושם של רגשות.

עבור ארגונים וחברות מקצועיות, דור חדש זה של מודלים מציג הזדמנויות וגם אחריות. בטווח הקצר, צפויים יתרונות ממשיים באוטומציה , סיכומים, תמיכה בקבלת החלטות ויצירת תוכן מדובר עם עלות הסקה מופחתת.

• MAI-קול-1 ניתן להפעיל עוזרי ייעוץ או תוכן קולי (פודקאסטים, הסברים מיוחדים) עם תוצאות טבעיות והפקה מיידית.
• תצוגה מקדימה של MAI-1 פותח את הדלת לתגובות אוטומטיות, סיכומים, טיוטות ותמיכה במשימות טקסט, אותן ניתן לשלב בהדרגה ב-Copilot.

האתגר טמון בהבטחת פרטיות, אבטחה ועמידה בתקנות. כדי למנוע תקלות, מומלץ להתחיל עם תוכניות פיילוט מוגבלות, לבצע ביקורות פנימיות של הנחיות והשקות, להכשיר צוותים ולנטר את השימוש בנתונים (הן קלט והן טלמטריה) כדי למנוע הפתעות.

אם הפעולה שלכם מסתמכת על קול, יתרון ההשהיה והאיכות של MAI-Voice-1 הוא אטרקטיבי מאוד. אם המיקוד הוא על טקסט, MAI-1-preview מעניין בגלל המיקוד שלו במעקב אחר הוראות ובמסגרת הבדיקות הציבוריות שמאיצה את למידת המודל.

כמו כן, כדאי להיות מודעים למגבלות הנוכחיות: MAI-Voice-1 מתמקד באנגלית , ו-MAI-1-preview עדיין נמצא בשלב הבדיקה, כאשר הפריסה מוגבלת למקרים ספציפיים. למרות זאת, קצב האיטרציות המוצע של מיקרוסופט הוא מהיר ומציע שיפורים מהירים.

לבסוף, חשוב לציין שמיקרוסופט מצהירה שתמשיך לשלב את המודלים שלה - אלו של שותפים וקוד פתוח . גישה היברידית זו מצביעה על מערכת Copilot שבוחרת את המנוע הטוב ביותר עבור כל משימה, מבלי להתחייב לטכנולוגיה אחת, ומטרתה למקסם את הערך עבור המשתמש הסופי.

ההכרזה על MAI-Voice-1 ו-MAI-1-preview מדגימה אסטרטגיה אוטונומית יותר המתמקדת במהירות, יעילות ותועלת בעולם האמיתי. אם האינטגרציה עם Copilot וההערכה ב-LMarena יניבו את התוצאות ש-Microsoft צופה, יהיו לנו שני עמודי תווך מרכזיים במערכת האקולוגית של MAI עבור מוצרים צרכניים ומקצועיים כאחד.