Thought Leadership
Microsoft präsentiert mit MAI-Voice-1 und MAI-1-preview zwei neue Modelle, die speziell für Verbraucheranwendungen optimiert wurden. Das Sprachmodell kann bereits in unter einer Sekunde eine Minute Audio auf nur einer GPU generieren.
Microsoft hat zwei selbst entwickelte KI-Modelle vorgestellt: Das Sprachmodell MAI-Voice-1 AI sowie den Textgenerator MAI-1-preview. Laut Unternehmensangaben erzeugt MAI-Voice-1 eine Minute Audiomaterial in weniger als einer Sekunde – und das auf nur einer GPU.
Einsatz in bestehenden Diensten
Das Sprachmodell kommt bereits in Microsofts Diensten zum Einsatz. Bei Copilot Daily liest ein KI-Sprecher Tagesnachrichten vor, außerdem erstellt das System podcast-artige Diskussionen zu verschiedenen Themen. In den Copilot Labs können Nutzer das Modell selbst ausprobieren: Sie geben Text ein und wählen Stimme sowie Sprechweise aus.
Das zweite Modell MAI-1-preview entstand durch Training auf rund 15.000 Nvidia H100-Prozessoren. Microsoft bewirbt es als System für Anweisungen und alltägliche Anfragen.
Fokus auf Endverbraucher
KI-Chef Mustafa Suleyman hatte bereits vor einiger Zeit angekündigt, dass Microsofts hauseigene Modelle nicht primär für Unternehmen gedacht sind. Der Fokus liege auf Verbrauchern, für die Microsoft über umfangreiche Daten aus Werbung und Telemetrie verfüge. “Wir müssen etwas schaffen, das für den Verbraucher extrem gut funktioniert”, erklärte Suleyman.
MAI-1-preview soll schrittweise in Copilot integriert werden, das bislang auf OpenAI-Technologie basiert. Parallel testet Microsoft das Modell auf der Benchmark-Plattform LMArena.
Laut Microsoft sollen künftig verschiedene spezialisierte Modelle für unterschiedliche Einsatzzwecke orchestriert werden. Das Unternehmen verspricht sich davon erheblichen Mehrwert gegenüber universellen Ansätzen.
