مایکروسافت از دو مدل هوش مصنوعی مولد صوت رونمایی کرد

مایکروسافت با رونمایی از دو مدل اختصاصی MAI-Voice-1 به‌عنوان مولد صوتی و MAI-1-preview به‌عنوان نخستین مدل بنیادین خود، گامی مهم در مسیر توسعه مستقل هوش مصنوعی و تقویت اکوسیستم کوپایلت برداشت.

به گزارش تک‌ناک، این اقدام در حالی صورت می‌گیرد که تاکنون بخش عمده‌ای از زیرساخت هوش مصنوعی این شرکت بر پایه مدل‌های OpenAI قرار داشت و مایکروسافت در اغلب موارد نسخه‌های جدید آن را به‌صورت روز اول در Azure و سرویس‌های خود عرضه می‌کرد. معرفی این دو مدل نشان می‌دهد مایکروسافت اکنون به‌طور جدی وارد عرصه توسعه مدل‌های بومی هوش مصنوعی شده است.

MAI-Voice-1: مولد صوتی با سرعت و کیفیت بالا

مدل MAI-Voice-1 یک مولد صوتی است که هم‌اکنون در Copilot Daily و Podcasts در دسترس قرار گرفته است. برای نمایش قابلیت‌های کامل این مدل، مایکروسافت یک تجربه جدید در Copilot Labs با نام Copilot Audio Expressions ایجاد کرده است. کاربران می‌توانند متن دلخواه خود را وارد کرده و با انتخاب صدا، سبک و حالت موردنظر، خروجی صوتی باکیفیت و طبیعی دریافت کنند. همچنین امکان دانلود فایل‌های صوتی تولیدشده فراهم شده است.

به گفته مایکروسافت، این مدل از نظر سرعت و بهره‌وری نیز عملکردی چشمگیر دارد؛ به‌طوری‌که می‌تواند در کمتر از یک ثانیه روی یک GPU، یک دقیقه صوت تولید کند. این ویژگی، MAI-Voice-1 را به یکی از سریع‌ترین مدل‌های مولد صوتی در صنعت تبدیل کرده است.

MAI-1-preview: نخستین مدل بنیادین مایکروسافت

مدل دوم، MAI-1-preview است که به‌عنوان نخستین مدل بنیادین (Foundation Model) مایکروسافت معرفی شده و به‌طور کامل در داخل شرکت توسعه یافته است. این مدل بر پایه معماری MoE (Mixture-of-Experts) طراحی شده و فرایند آموزش و بهینه‌سازی آن با استفاده از نزدیک به ۱۵ هزار GPU انویدیا H100 انجام گرفته است.

مایکروسافت اعلام کرده که MAI-1-preview توانایی بیشتری در پیروی از دستورها و ارائه پاسخ‌های دقیق و کاربردی به پرسش‌های روزمره دارد. این مدل هم‌اکنون برای آزمایش عمومی در پلتفرم LMArena منتشر شده و طی هفته‌های آینده در برخی از قابلیت‌های متنی Copilot مورد استفاده قرار خواهد گرفت. همچنین API این مدل برای گروهی از تسترهای منتخب ارائه شده است.

ترکیب مدل‌های بومی با OpenAI و متن‌باز

به نقل از نئوین، مایکروسافت تأکید کرد که MAI-1-preview جایگزین مدل‌های OpenAI در Copilot نخواهد شد. استراتژی این شرکت استفاده همزمان از بهترین مدل‌های داخلی، مدل‌های شرکای تجاری و حتی مدل‌های جامعه متن‌باز است تا پایه‌ای قدرتمند و متنوع برای اکوسیستم هوش مصنوعی خود ایجاد کند.

چشم‌انداز آینده مایکروسافت در هوش مصنوعی

تیم هوش مصنوعی مایکروسافت در بیانیه‌ای اعلام کرد:
«ما در MAI نقشه راه گسترده‌ای در حوزه پردازش داریم و اکنون خوشه نسل بعدی GB200 عملیاتی شده است. مأموریت بزرگی پیش‌روی ماست و باور داریم می‌توانیم اثر مثبتی در مقیاس میلیاردها کاربر ایجاد کنیم. همچنین همکاری با تیم‌های محصول این فرصت را فراهم می‌آورد تا مدل‌هایمان به‌طور گسترده در دسترس قرار گیرند.»

با این اقدام، مایکروسافت علاوه بر استفاده از ظرفیت‌های OpenAI، مسیر توسعه مدل‌های اختصاصی خود را نیز آغاز کرده است؛ مسیری که می‌تواند آینده‌ای مقاوم‌تر و انعطاف‌پذیرتر برای محصولات و خدمات این شرکت رقم بزند.