微软出了三个自研AI模型,主打比OpenAI更
微软 AI 研究团队 MAI 正式发布了三款自研基础模型,涵盖语音转写、语音合成及视频生成领域。这三款模型已上架微软 Foundry 平台,并在 MAI Playground 开放试用。其核心定调并非单纯的技术突破,而是通过极具竞争力的定价策略,面向企业与开发者提供高性价比的 API 服务,显示出微软在 AI 模型栈建设上的进一步布局。
01三款模型核心参数与定价
- MAI-Transcribe-1(语音转文字)
支持 25 种语言,处理速度比微软自家的 Azure Fast 服务快 2.5 倍。起步价为 0.36 美元/小时。 - MAI-Voice-1(文字转语音)
具备高效合成能力,可实现 1 秒生成 60 秒音频,并支持自定义音色。起步价为 22 美元/百万字符。 - MAI-Image-2(视频生成)
专注于多模态生成,文本输入起步价为 5 美元/百万 token,图像输出价格为 33 美元/百万 token。
02竞品定价策略分析
市场定位对比
成本领先策略
主打比 Google 和 OpenAI 同类产品更便宜的价格
强调企业级应用的性能与成本平衡
依托 Foundry 平台提供直接 API 接入


现有市场定价
OpenAI 等厂商模型通常定价较高,溢价能力强
技术成熟度与生态整合度具有先发优势
在高端模型市场占据主导地位
03战略布局与行业意义
- 2025年11-01月
- 2025年05月21日
微软此举被视为一种“两边下注”的商业策略:一方面继续向 OpenAI 投入巨资(已超过 130 亿美元)以确保获得顶尖模型能力;另一方面通过自研团队(MAI)保留关键功能的主控权和成本优势。虽然这三个模型短期内主要面向 B 端开发者,但未来若整合进 Teams 或 Copilot 等消费级产品中,其速度与成本优势将直接惠及普通用户。这也标志着 AI 大厂在多模态领域的竞争已深入至音频、视频等具体垂直赛道。
当前文章无评论,是时候发表评论了