Microsoft выпустила три базовых ШИ-модели для генерации текста, голоса и изображения: компания заявляет, что их преимущество — более низкая цена

Microsoft объявила о выпуске трех базовых моделей искусственного интеллекта, способных генерировать текст, голос и изображение. Эти модели были разработаны командой Microsoft MAI Superintelligence – исследовательской лабораторией в сфере ИИ под руководством CEO Мустафой Сулейманом.

Как сообщает TechCrunch, речь идет о трех ИИ-моделях:

• MAI-Transcribe-1 превращает вещание в текст на 25 разных языках и работает в 2,5 раза быстрее предложения Azure Fast от Microsoft;
• MAI–Voice-1 — это модель для генерации аудио. Она позволяет пользователям создавать 60 секунд аудио всего за одну секунду, а также позволяет создавать персонализированные голоса;
• MAI–Image-2 — это модель для генерации видео.

Модель MAI-Image-2 изначально была выпущена 19 марта на платформе MAI Playground – новом программном обеспечении для тестирования больших языковых моделей. Теперь все три модели выходят на Microsoft Foundry, а модели для транскрибации и генерации голоса также стали доступными в MAI Playground.

На перенасыщенном рынке LLM компания делает ставку на то, что ее модели будут дешевле разработок Google и OpenAI, отмечает компания.

Стоимость пользования MAI-Transcribe-1 начинается от $0,36 в час. MAI–Voice-1 стоит от $22 за 1 миллион символов, а MAI–Image-2 от $5 за 1 миллион токенов за ввод текста и $33 за 1 миллион токенов за вывод изображений.