什么值得买App下载 App ›
连续签到专享现金活动

微软发布首批自研AI模型,解锁配音新技能

微软正式发布首批自研AI模型,其中MAI-Voice-1语音模型备受瞩目。它不仅在效率上实现了单GPU一秒生成一分钟音频的突破,更通过Copilot Audio Expressions工具,让AI语音充满情感与创意,为播客、有声书等内容创作提供了全新的解决方案,预示着人机交互体验的又一次进化。

微软发布首批自研AI模型,解锁配音新技能智能速览

  • MAI-Voice-1语音模型效率极高,一秒可生成一分钟音频。

  • Copilot Audio Expressions提供Emotive和Story两种情感化语音模式。

  • Story模式能自动构建多角色创意作品,效果出色。

  • MAI-1-preview通用模型已公开测试,未来将用于Copilot。

  • 微软内部模型战略侧重于优化消费者应用场景。

微软发布首批自研AI模型,解锁配音新技能精华内容

这次发布标志着微软在AI领域自研能力的重大进展,尤其是语音技术的突破。下面将深入解读这两款模型如何重塑内容创作与人机交互的未来。

语音生成新突破

微软新发布的MAI-Voice-1语音模型在效率上表现出色,仅需单块GPU,就能在不到一秒的时间内生成一分钟的音频。这项技术已被应用于“Copilot Daily”功能,由AI主持人播报当日热点新闻。此外,它还能生成播客风格的对话内容,帮助用户更深入地理解各类复杂话题,展现了高效信息处理的潜力。

情感化配音工具

为了让AI语音更贴近真人,微软在Copilot Labs推出了Copilot Audio Expressions工具,提供Emotive和Story两种模式。在Emotive模式下,用户可自定义音色与风格,系统会自动增添细节、调整措辞,使朗读更生动。而Story模式则更为智能,系统自动处理角色区分和声音融合,成品效果如同专业配音合作,适用于制作包含多角色的创意作品。

通用大模型的布局

与语音模型同步发布的还有MAI-1-preview通用模型。该模型训练过程动用了约1.5万块英伟达H100 GPU,展现了微软在算力上的巨大投入。其核心能力是遵循指令并为日常咨询提供实用回应,未来计划应用于Copilot助手的特定文本场景。目前,该模型已在AI基准测试平台LMArena上开启公开测试,接受外界评估。

聚焦消费者体验

微软人工智能部门负责人明确表示,公司内部模型并不专注于企业应用,而是优先为消费者创造极其有效的产品。微软拥有海量的广告和消费者行为数据,这些极具预测性和实用性的数据将成为构建模型的基石。其战略重点在于打造真正适合陪伴消费者的AI模型,而非一味追求模型参数的竞赛。

微软的自研AI模型,尤其是语音领域的突破,为内容创作和人机交互带来了更多可能性。随着这些技术的成熟与普及,未来我们与AI的沟通方式将变得更加自然和富有情感。这会是AI体验的未来方向吗?

评论

评论区空态插画

当前文章无评论,是时候发表评论了