Microsoft AI Lab lanzado oficialmente Mai-Voice-1 y Previsión de Mai-1marcando una nueva fase para los esfuerzos de investigación y desarrollo de inteligencia artificial de la compañía. El anuncio explica cómo Microsoft AI Lab se está involucrando en la investigación de IA sin ninguna participación de terceros. Mai-Voice-1 y Previsión de Mai-1 Los modelos apoyan roles distintos pero complementarios en la síntesis del habla y la comprensión del lenguaje de uso general.
Mai-Voice-1: Detalles y capacidades técnicas
Mai-Voice-1 es un modelo de generación del habla que produce audio con alta fidelidad. Genera un minuto de audio de sonido natural en menos de un segundo usando una sola GPU, que respalda aplicaciones como asistentes interactivos y narración de podcasts con baja latencia y necesidades de hardware. Prueba aquí
El modelo utiliza una arquitectura basada en transformadores entrenada en un conjunto de datos de voz multilingüe diverso. Maneja escenarios de un solo hablador y múltiples altavoces, proporcionando salidas de voz expresivas y apropiadas para el contexto.
Mai-Voice-1 está integrado en productos de Microsoft como Copilot Daily para actualizaciones de voz y resúmenes de noticias. Está disponible para realizar pruebas en Copilot Labs, donde los usuarios pueden crear historias de audio o narrativas guiadas a partir de indicaciones de texto.
Técnicamente, el modelo se centra en la calidad, la versatilidad y la velocidad. Su operación de GPU única difiere de los sistemas que requieren múltiples GPU, lo que permite la integración en dispositivos de consumo y aplicaciones en la nube más allá de la configuración de investigación
MAI-1-Preview: Arquitectura y rendimiento del modelo de base
Previsión de Mai-1 es el primer modelo de lenguaje de Fundación interno de Microsoft. A diferencia de los modelos anteriores que Microsoft integró o licenció desde el exterior, MAI-1-Preview fue entrenado completamente en la infraestructura propia de Microsoft, utilizando una arquitectura de mezcla de expertos y aproximadamente 15,000 GPU H100 NVIDIA.
El equipo de Microsoft AI ha hecho el Previa MAI-1 en la plataforma Lmarenacolocándolo junto a varios otros modelos. La previsión MAI-1 está optimizada para el seguimiento de las instrucciones y las tareas de conversación diaria, lo que lo hace adecuado para aplicaciones centradas en el consumidor en lugar de casos de uso empresariales o altamente especializados. Microsoft ha comenzado a implementar el acceso al modelo para escenarios seleccionados basados en texto dentro de Copilot, con una expansión gradual planificada a medida que se recopila retroalimentación y el sistema se refina.
Desarrollo de modelos y infraestructura de capacitación
El desarrollo de Mai-Voice-1 y MAI-1-previa fue compatible con el clúster GPU GB200 de próxima generación de Microsoft, una infraestructura personalizada específicamente optimizada para capacitar a grandes modelos generativos. Además del hardware, Microsoft ha invertido mucho en talento, ensamblando un equipo con una profunda experiencia en IA generativa, síntesis del habla e ingeniería de sistemas a gran escala. El enfoque de la compañía para el desarrollo del modelo enfatiza un equilibrio entre la investigación fundamental y la implementación práctica, con el objetivo de crear sistemas que no sean solo teóricamente impresionantes sino también confiables y útiles en los escenarios cotidianos.
Aplicaciones
Mai-Voice-1 se puede utilizar para asistencia de voz en tiempo real, creación de contenido de audio en medios y funciones de educación, o accesibilidad. Su capacidad para simular múltiples hablantes apoya el uso en escenarios interactivos, como narración de cuentos, aprendizaje de idiomas o conversaciones simuladas. La eficiencia del modelo también permite la implementación en el hardware del consumidor.
MAI-1-Preview se centra en la comprensión y generación general del lenguaje, ayudando con tareas como dibujar correos electrónicos, responder preguntas, resumir el texto o ayudar a comprender y ayudar a las tareas escolares en un formato de conversación.
Conclusión
El lanzamiento de Microsoft de Mai-Voice-1 y MAI-1-Preview muestra que la compañía ahora puede desarrollar modelos de IA generativos centrales internamente, respaldados por una inversión sustancial en infraestructura de capacitación y talento técnico. Ambos modelos están destinados al uso práctico del mundo real y se están refinando con los comentarios de los usuarios. Este desarrollo se suma a la diversidad de arquitecturas de modelos y métodos de capacitación en el campo, con un enfoque en sistemas que son eficientes, confiables y adecuados para la integración en aplicaciones cotidianas. El enfoque de Microsoft, que usa recursos a gran escala, implementación gradual y un compromiso directo con los usuarios, ofrece un ejemplo de cómo las organizaciones pueden progresar las capacidades de IA, al tiempo que enfatiza la mejora práctica e incremental.
Mira el Detalles técnicos aquí. No dude en ver nuestro Página de Github para tutoriales, códigos y cuadernos. Además, siéntete libre de seguirnos Gorjeo Y no olvides unirte a nuestro Subreddit de 100k+ ml y suscribirse a Nuestro boletín.
Asif Razzaq es el CEO de MarktechPost Media Inc .. Como empresario e ingeniero visionario, ASIF se compromete a aprovechar el potencial de la inteligencia artificial para el bien social. Su esfuerzo más reciente es el lanzamiento de una plataforma de medios de inteligencia artificial, MarktechPost, que se destaca por su cobertura profunda de noticias de aprendizaje automático y de aprendizaje profundo que es técnicamente sólido y fácilmente comprensible por una audiencia amplia. La plataforma cuenta con más de 2 millones de vistas mensuales, ilustrando su popularidad entre el público.