微軟推出 MAI-Voice-1 與 MAI-1 預覽版:速度與自主性

最後更新: 10月2025
  • MAI-Voice-1(超快速語音)和 MAI-1-Preview(帶有 MoE 的文本)作為微軟的首批內部模型問世。
  • MAI-Voice-1 使用 GPU 在不到 1 秒的時間內產生 1 分鐘的音頻,現在可以在 Copilot Daily、Podcasts 和 Labs 中使用。
  • MAI-1 預覽版已在約 15.000 架 H100 上進行了訓練,正在有限地整合到 Copilot 中,並且正在 LMArena 進行測試。
  • 策略:減少對 OpenAI 的依賴,並以使用者為中心協調專門的模型。

Microsoft MAI 模型

微軟已採取行動,推出其首批自主研發的人工智慧模型,此舉標誌著其策略步伐的改變,並直接向大眾推出MAI-Voice-1 和 MAI-1-preview。

MAI品牌代表“微軟人工智慧”,它推出了兩大核心產品:一是超高速語音處理,二是具備專家架構的文字處理。這使得微軟相比OpenAI走上了一條更為獨立的發展道路,在保持合作的同時,致力於建構能夠與ChatGPT、Gemini等生成式人工智慧模型相媲美的自主研發模型。

什麼是 MAI-Voice-1 和 MAI-1-preview?

推出 MAI 模型

據微軟稱,MAI-1-preview 是一個內部模型,採用混合專家(MoE)架構,在約 15.000 個 NVIDIA H100 GPU 上分兩個階段(預訓練和後訓練)進行訓練。這種「專家」配置僅啟動每個任務所需的子元件,以追求效率並更好地契合使用者意圖。

關於該產品,該公司表示,這款文字模型旨在遵循指令並為日常查詢提供有用的答案。因此,其初期推廣將採取控制措施:在接下來的幾週內,它將在 Copilot 的一些文字場景中亮相,以便從真實世界的互動和回饋中學習。

除了逐步整合之外,微軟還開放了LMArena平台的公開測試,以收集更多高品質訊號。同時,微軟計劃透過API向開發者開放該平台,從而加強模型的評估和持續改進流程。

該公司強調不會放棄其他人工智慧引擎:將繼續使用其團隊、合作夥伴(如Anthropic)以​​及開源生態系統中合適的最佳模式。短期內,MAI-1-preview 並非旨在取代 Copilot 中的 GPT-5;相反,它將在能夠展現明顯優勢的特定場景中使用。

同時,MAI-Voice-1 是微軟推出的語音解決方案:它是一款「高度富有表現力且自然」的生成式語音模型,目前已應用於 Copilot Daily 和 Podcasts,並可在 Copilot Labs 中體驗到。背後的願景清晰明確:“語音是未來的互動介面”,旨在打造更實用、更友善的 AI 助理。

這項技術前景令人矚目:它只需一台GPU即可在不到一秒的時間內產生一分鐘的音訊。如此驚人的速度,加上高保真音色以及處理一個或多個配音演員場景的能力,使MAI-Voice-1躋身當今最高效的語音合成系統之列。

  Gemini Code Assist 完整指南:功能、版本與新功能

在公開測試和演示中,音訊聽起來出奇地流暢,語調和節奏都非常自然,儘管目前僅支援英語。用戶可以透過 Copilot Labs 探索自訂風格和語音的功能,微軟已在該平台上推出了「Copilot Audio Expressions」等體驗。

一個有趣的細節是:所選名稱(MAI-Voice-1 和 MAI-1-preview)清晰明了,而且「非常像工程師的風格」。撇開這個軼事不談,關鍵在於它們標誌著一個以消費者為中心的專業型號產品線的路線圖,這些型號優先考慮速度、效率和易用性。

MAI-Voice-1:功能、用途以及試用場所

Copilot 中的 MAI 語音

MAI-Voice-1 是一款高傳真音訊生成系統,能夠瞬間完成配音、旁白和語音合成。其主要賣點在於低延遲:僅需一台 GPU 即可在不到一秒的時間內生成長達一分鐘的音頻,從而實現近乎實時的應用。

初步整合已在Copilot Daily 和 Podcasts中實現,人工智慧已能合成摘要和語音片段。為了探索不同的風格和細微差別,Copilot Labs 推出了“Copilot Audio Expressions”,其中包含旁白和富有表現力的語音演示,供用戶探索。

在這些體驗中,微軟引入了諸如情感模式(可控制語調和節奏)或故事模式(採用更戲劇性的旁白)等選項。其目標是提供一系列可靈活調整的聲音和風格,既適用於單人旁白,也適用於多人配音的場景。

該公司強調,此模式資源利用率高:只需單一GPU即可運行,並能達到卓越的表現力。這種成本與品質之間的平衡使其對消費級產品和缺乏完善推理基礎設施的團隊極具吸引力。

微軟提出的最清晰的應用場景包括:說故事、產生引導冥想、創建配音腳本以及提供即時對話式幫助。所有這些都將使用一種設計自然且能適應不同語境的語音。

  • 敘述與說故事: 故事、語音指南、語言學習或具有多個角色的故事。
  • 內容製作: 自動播客、產品預告片、宣傳影片或每日摘要。
  • 協助和無障礙設施: 閱讀文字、支援有視覺障礙的使用者或快速建立口頭指示。
  • 互動體驗: 語音應答助理、應用程式和遊戲中的上下文指南或具有不同音調的支援機器人。

一項重要功能是多聲部功能,這對於戲劇表演、模擬採訪或在同一音訊錄製中扮演不同角色非常有用。這種靈活的音效處理方式無需錄音室或協調人聲,即可創造出更豐富的內容。

  電腦週邊及配件新聞

在演示中,只需簡單地詢問“關於X的故事”,就能在一秒鐘內生成一分鐘的音頻,其中包含不同的聲音和語調。雖然現在全面評估所有細微差別還為時過早,但初步結果展現出令人信服的自然感,足以滿足日常使用需求。

目前,MAI-Voice-1 主要針對英語用戶,如果您的主要受眾是西班牙語使用者,這一點需要考慮。然而,其架構和性能表明,隨著培訓和公開評估的進展,未來有可能支援更廣泛的語言。

值得注意的是,微軟在安全性和倫理方面重申,將消除任何使人工智慧顯得擁有情感或自身目標的特性。其理念是在不賦予人工智慧擬人化特徵的前提下提升其實用性,這在基於語音的對話助理領域尤其敏感。

MAI-1 預覽:架構、部署與策略

1 月 XNUMX 日 Copilot 預覽

MAI-1-preview 是微軟 MAI 部門開發的首個基礎文字模型。它以驚人的規模(約 15.000 個 H100 文本)進行訓練,並採用了 MoE 方法:即“專家混合模型”,針對每個輸入僅激活模型的相關部分。

這種設計允許專家之間分配技能,並提高執行指令任務時的表現。微軟的目標是提供實用且日常的解決方案,優先考慮最終用戶體驗,而不是純粹的商業利益。

實際上,該模型的推廣將分兩個階段進行。首先,將在Copilot的幾個基於文字的場景中以受控方式部署模型的初步版本,以測量遙測資料並收集回饋。然後,根據這些回饋,調整模型的行為並擴展其應用範圍。

其次,該公司已在LMArena平台上開放測試權限,供公眾評估。這個管道能夠加快改進週期,提供多樣化的回饋,並有助於在更廣泛地整合之前發現微調機會。

微軟明確表示,MAI-1預覽版(目前)不會取代Copilot中的GPT-5。其策略是“因工製宜”,將MAI-1預覽版整合到特定任務中,並持續比較其性能。

同時,該公司重申將繼續採用多種引擎的組合:包括自主研發的引擎、OpenAI等合作夥伴的引擎以及開源社群的創新成果。如此一來,Copilot既能受益於MAI的自主性,又能充分利用各領域最佳的可用模式。

此舉是更廣泛轉型的一部分:減少對 OpenAI 的技術依賴,並建立一個具有彈性的專有 AI 基礎設施。微軟 AI 負責人 Mustafa Suleyman 強調,目標是優化最終用戶體驗,利用使用訊號(遙測數據、行為數據)提供更實用、更個人化的助理。

  解讀神經網路:從古典架構到無重力革命

微軟的願景是“建立一系列專業模型”,涵蓋不同的意圖和場景,從而為用戶創造“巨大價值”。該公司將其描述為“通往知識宇宙的門戶”,這一雄心壯志體現在將人工智慧融入定義品類的產品中。

關於負責任的設計,蘇萊曼也強調了避免擬人化的重要性:人工智慧要服務於人,但不能把人當作「數位人」。這一點在語音模型和助手方面尤其重要,因為它們可能會給人一種情感的印象。

對於組織和專業公司而言,新一代模型既帶來了機遇,也帶來了挑戰。短期內,自動化、摘要產生、決策支援以及以更低的推理成本產生語音內容等方面有望帶來實際收益。

  • MAI-語音-1 可啟用諮詢助理或語音內容(Podcast、專門解說),效果自然,可立即製作。
  • MAI-1 預覽 為自動回覆、摘要、草稿和文字任務支援打開了大門,這些功能可以逐步整合到 Copilot 中。

挑戰在於確保隱私、安全和合規性。為避免挫折,建議先進行小規模試點項目,對提示和啟動流程進行內部審計,培訓團隊,並監控數據使用情況(包括輸入數據和遙測數據),以防止出現意外情況。

如果您的業務主要依賴語音,MAI-Voice-1 的延遲和品質優勢將極具吸引力。如果重點在於文本,MAI-1-preview 則因其專注於指令追蹤和可加速模型學習的公開測試框架而值得關注。

了解目前的限制也很有幫助:MAI-Voice-1 目前僅支援英語,而 MAI-1-preview 仍處於測試階段,部署僅限於特定情況。即便如此,微軟提出的迭代速度很快,預示著改進將迅速到來。

最後,值得注意的是,微軟表示將繼續融合其現有模式—包括合作夥伴模式和開源模式。這種混合模式預示著Copilot系統將根據每項任務選擇最佳引擎,而不限於單一技術,旨在最大程度地提升最終用戶價值。

MAI-Voice-1 和 MAI-1-preview 的發布展現了一種更重視速度、效率和實際應用價值的自主化策略。如果與 Copilot 的整合以及在 LMArena 的評估能夠達到微軟的預期,那麼我們將擁有MAI 生態系統的兩大支柱,涵蓋消費者和專業產品。

GPT-5-0
相關文章:
GPT-5:關於人工智慧的下一個重大革命