Co Microsoft představil
Microsoft AI (MAI) představil dva nové interní modely umělé inteligence v rámci své mise vytvořit umělou inteligenci, která posílí postavení všech lidí na celém světě. Společnost vydala MAI-Voice-1, model generování řeči, který dokáže vytvořit celou minutu zvuku za méně než sekundu na jediném GPU, a MAI-1 Preview jako základní model trénovaný end-to-end.
Po letech spoléhání se na OpenAI technologie Microsoft konečně buduje vlastní AI stack. Tento krok má několik klíčových důvodů:
- Strategická nezávislost od externí AI technologie
- Kontrola nad inovačním tempem bez čekání na partnery
- Optimalizace nákladů eliminací API poplatků
- Lepší integrace s Microsoft ekosystémem
MAI-Voice-1: Technické specifikace
MAI-Voice-1 je rychlý a flexibilní model generování řeči s těmito klíčovými parametry:
Výkonnostní metriky
- Rychlost: Celá minuta audia za méně než sekundu
- Hardware: Běží na jediném GPU
- Kvalita: High-fidelity expresivní audio
- Flexibilita: Podpora mono i multi-speaker scénářů
Praktické využití v produkci
MAI-Voice-1 již pohání funkce v několika Microsoft aplikacích:
- Copilot Daily: automatická denní shrnutí s personalizovaným hlasem
- Copilot Podcasts: převod textového obsahu na audio formát
- Copilot Labs: nová platforma kde mohou uživatelé testovat expresivní řečové a vypravěčské schopnosti, včetně tvorby interaktivních příběhů a personalizovaných meditací
Konkurenční výhody
| Parametr | MAI-Voice-1 | Konkurence |
|---|---|---|
| Rychlost | <1 sekunda/minuta | 3-5 sekund/minuta |
| Hardware | 1 GPU | Multi-GPU cluster |
| Latence | Ultra-low | Standard |
| Integrace | Nativní Microsoft | API calls |
MAI-1 Preview: Jazykový model
Architektura a training detaily
MAI-1 Preview je první Microsoft foundational model trénovaný end-to-end na přibližně 15,000 NVIDIA H100 GPU:
- Architektura: in-house mixture-of-experts (MoE) model
- Design: navržen tak, aby následoval pokyny a poskytoval užitečné odpovědi na každodenní dotazy
- Optimalizace: zaměřen na consumer use cases s důrazem na instruction following
- Training approach: kompletní end-to-end trénink bez spoléhání na externí komponenty
Výhody MoE architektury
- Efektivita: aktivuje pouze relevantní subset parametrů, dramaticky snižuje výpočetní nároky
- Škálovatelnost: přidávání expert networks pro nové domény, flexibilní allocation zdrojů
