上一篇
微软自研AI模型MAI-Voice-1与MAI-1-preview重磅登场
【导读】微软迅速跟进OpenAI的最新动态，于同日重磅推出两款自研AI大模型：语音模型MAI-Voice-1和通用模型MAI-1-preview。这位科技巨头的首款自研AI模型，其实际表现如何？引发行业高度关注。
就在OpenAI发布最新语音大模型之时，微软也亮出了自研的语音大模型！
微软AI掌门人、DeepMind联合创始人Mustafa Suleyman正式宣布：
微软AI正式推出MAI-Voice-1以及MAI-1-预览版！未来还将有更多内容陆续推出。
MAI-Voice-1语音模型效率卓越：单GPU可在秒级生成1分钟音频！通过Copilot即可轻松体验。
在Mustafa Suleyman看来，这是他体验过表现力最丰富、最自然的语音生成模型。
而MAI-1预览版模型是微软AI首个端到端内部训练的自研基础模型。
这标志着在多年依赖OpenAI模型之后，微软AI部门正式与OpenAI及整个行业展开正面竞争，也意味着微软在AI竞赛中，开始掌握更多主动权。
在接受采访时，Suleyman 表示：「微软是世界上最大的公司之一。我们必须具备内部能力，来打造世界最强的模型。」
MAI-Voice-1：核心能力深度解析
微软官方指标中最引人注目的，是「单卡<1秒，生成1分钟音频」。
这使其成为当前罕见的极致低延迟TTS/对话式语音生成系统之一。
此外，语音的自然度和表现力也是重点，覆盖了单人叙述与多说话人对话两种常见内容形态。
新闻播报、播客对谈、故事讲述、冥想引导等，各类场景都能胜任。
用户可以选择9种不同语音：
还可选择多达31种不同情绪和播报场景：
甚至可以让模型扮演激情四射的体育解说员，点燃听众情绪：
落地应用方面，用户可通过Copilot Labs，在Copilot Daily中以AI主播播报要闻、在Copilot Podcasts生成播客式讨论，Copilot Labs 提供可自定义内容和风格的演示版。
以下是两段该模型生成的语音示例，满分5分您会打几分？是否还残留AI痕迹？欢迎在评论区分享您的评测意见。
微软与OpenAI：合作与竞争并存
长期以来，微软主要依赖OpenAI的AI模型，为核心产品赋能。
OpenAI当前估值约5000亿美元，微软投资超130亿美元，而OpenAI也依靠微软云基础设施运行模型。
但微软现已宣布：「未来几周，将在Copilot部分文本任务中逐步推出MAI-1-preview，以收集用户反馈并持续优化。」
目前，微软仍在Bing、Windows 11等产品中使用OpenAI模型。
然而双方关系正逐渐微妙变化。
去年，微软在年度财报中将OpenAI正式列为竞争对手，此前名单仅包含亚马逊、苹果、谷歌和Meta等巨头。
近几个月，OpenAI也开始转向CoreWeave、谷歌和甲骨文等其他云服务商，以满足算力激增需求。
与OpenAI同期发布语音模型：战略意图何在
就在昨日，OpenAI也发布了最新语音生成大模型GPT-Realtime，集成于Realtime API中。
该模型在语音自然性、情感丰富度和低延迟响应上大幅提升，支持一句话内语调语言无缝切换，还具备工具调用和指令跟随能力。
微软为何选在此刻发布新模型？
此次发布虽仅含语音模型和预览版通用模型，但释放的信号至关重要。
其一，语音成为AI助手关键战场。
MAI‑Voice‑1的效率和表现力有望推动语音助手升级为「数字伙伴」。
富有情感和个性的数字伙伴，正成为Grok等模型发力的新突破点，潜力巨大。
其二，OpenAI不再是唯一选项。
大模型发展进入「百模大战」，各巨头竞相推出自研产品。
微软此举既是对OpenAI合作的补充，也为自身在与OpenAI的商业谈判中增添了重要筹码。
其三，MoE架构成大模型新趋势。
MAI‑1‑preview采用MoE架构，训练规模适中但注重指令遵循和响应效率，平衡性能与成本。
随着LLM细分应用增多，多专家模型将成为重要方向。
其四，生态开放值得期待。
微软表示将在Copilot及第三方测试平台开放模型，鼓励开发者反馈。
在媒体采访中，Mustafa Suleyman表示：
人工智能不仅是科技的未来，更是未来几十年商业运行和价值创造的核心。
因此，研发最强模型不仅是技术追求，更是微软作为企业的战略必然。
我们必须拥有自己的核心能力。
14个月前，他和团队从Inflection加入微软后，便全力推进此事。
如今，微软终于发布了两款自研模型。
Suleyman强调，微软未来将继续使用OpenAI模型和开源模型，但关键在于「编排器」（orchestrator）。
这是一种模型调度系统，能根据任务自动选择合适模型，类似「路由器」。
他认为，这种编排能力将成为微软的重要知识产权。
外界普遍猜测，微软推出自研模型是否意味与OpenAI关系降温？
对此，Suleyman回应：
我们的目标是进一步深化与OpenAI的合作，保持长期良好伙伴关系。
双方合作非常成功，未来相信仍会持续。
微软自研大模型的幕后故事
微软AI透露：「MAI-1-preview是MoE模型，使用约1.5万张NVIDIA H100 GPU进行了预训练和后训练。」
在LMArena文本任务榜单上，MAI-1排名第13，落后于DeepSeek、谷歌、OpenAI和xAI等主要AI玩家的模型。
相比之下，xAI的Grok模型动用了超过10万张同类芯片。
微软AI用较小规模集群，也训练出了强大模型。
Suleyman认为自研新模型表现远超硬件规模，可与世界最强模型媲美，且刚起步调优。
一旦模型投入应用并收集反馈，迭代后性能将显著提升。
对微软AI来说，这只是开始。
微软AI算力充沛，已使用全球最大数据中心之一，并配备Nvidia下一代GB-200芯片，研发下一版本模型。
此外，他们还有庞大五年规划，将持续投资算力。
规模重要，但效率同样关键。
这意味着需精选高质量训练数据，确保每次浮点运算和GPU迭代发挥最大价值。
训练模型的核心能力，正日益成为「工艺」——选对数据，避免算力浪费于无效token。
Suleyman 表示，公司利用了开源社区技术，使有限资源发挥更大作用。
这是微软首次完整端到端训练的大模型。研发过程中，团队面临不少挑战。
Suleyman坦言：「构建这种规模集群、训练庞大数据，需要持续调试、迭代和耐心。这是每家实验室的共同难题。」
他对团队表现非常满意：「我们学到了很多，积累了足够经验以打造更多优秀模型。」
他比喻为「转动飞轮」：一旦模型研发进入正循环，每一代都推动下一代更快成长。
此前，Suleyman在Inflection和DeepMind虽有经验，但算力规模较小，GPU未达十万张级别。
这次首个模型成功，他认为关键在于文化：
优秀文化吸引优秀人才，优秀团队才能构建优秀模型。
最终，团队价值观也会自然注入模型和产品中。
Suleyman还透露已在开发下一模型：规模更大，训练架构有新调整。
一切已启动，未来几个月和几年将有更多值得期待。
参考资料：
https://copilot.microsoft.com/labs/audio-expression
https://microsoft.ai/news/two-new-in-house-models/
https://x.com/mustafasuleyman/status/1961111770422186452
本文由主机测评网于2025-12-27发表在主机测评网_免费VPS_免费云服务器_免费独立服务器，如有疑问，请联系我们。
本文链接：https://vpshk.cn/20251213058.html
