Microsoft AI、自社開発のMAI-Voice-1とMAI-1-previewを発表

MAI-Voice-1は表現力の高い音声生成モデルで、単一話者と複数話者の両方で高品質な音声を出力する。単一GPUで1分間の音声を1秒未満で生成できるとされ、すでにCopilot DailyとPodcastsの機能を支えている。あわせてCopilot Labsでも公開され、簡単なプロンプトから分岐型の物語を作ったり、睡眠向けの瞑想ガイドを作ったりするデモを試せる。

MAI-1-previewはMAIにとって初めてエンドツーエンドで学習した基盤モデルである。混合エキスパート（MoE）構成で、約15,000基のNVIDIA H100 GPUで事前学習と事後学習を行った。指示への追従や、日常的な質問への有用な回答を得意とする消費者向けモデルとして設計されている。

提供面では、MAI-1-previewはLMArenaで公開テストが始まっており、信頼できるテスター向けにAPIアクセスの申請も受け付けている。今後数週間でCopilot内の一部のテキスト用途にも順次展開し、ユーザーのフィードバックから改善を進める方針である。

MAIは今後も自社チーム、パートナー、オープンソースコミュニティの最良のモデルを製品に活用し続けるとしている。また、異なる意図やユースケースに対応する専門モデルを組み合わせる方向にも価値があるとし、数か月内にさらに多くの情報を共有すると述べている。