微软推出全新 MAI-Image 和 MAI-Voice（2 分钟阅读）

# 介绍 MAI-Image-2.5-Pro 和 MAI-Voice-2-Flash | Microsoft AI 来源：https://microsoft.ai/news/introducing-mai-image-2-5-pro-and-mai-voice-2-flash/ 模型 超级智能团队2026年7月23日 模型 超级智能团队 两个相互重叠的气泡对话框，一个粉色，一个绿色，在它们交汇处有一朵花。背景为浅灰色。 "MAI-Image-2.5-Pro 是 GenMedia 工具的一次重大飞跃。除了令人印象深刻的图像质量外，其能以如此高精度渲染文字的能力是一项真正的突破。它还理解自然语言编辑，使创意迭代变得更快、更直观。微软已稳固确立了自己在生成式AI领域的领先地位。" Rob Reilly，WPP全球首席创意官 一年前 (https://microsoft.ai/news/two-new-in-house-models/)，我们决定在 Microsoft AI 内部自主开发专用模型。这些模型使用干净、可追溯、企业级的数据进行训练，未经第三方模型蒸馏，并且是从零开始设计的，旨在服务于每天使用微软产品的人们。 今天，这项工作的成果已经在您所依赖的产品中展现价值。我们在 Build 大会 (https://microsoft.ai/news/building-a-hillclimbing-machine-launching-seven-new-mai-models/) 上预览的模型不仅在排行榜上名列前茅，更是已经在生产环境中大规模高效运行，为微软日益增长的产品组合中数百万用户提供支持，这些产品包括 Bing、PowerPoint、OneDrive、Dynamics 365 和 Azure。 **介绍两种新的模型变体** 现实世界的用例并非"一刀切"。追求极致保真度的创意工作室与每天处理数百万通电话的客服中心有着截然不同的需求。因此，我们正在构建模型系列：旨在为每个产品提供质量、速度和成本的最佳平衡。 今天，我们正在扩展这些选项： - **MAI-Image-2.5-Pro (https://ai.azure.com/catalog/models/MAI-Image-2.5-Pro) 现已进入公开预览。**适用于对质量要求极高的场景，例如主图创作、精细编辑、精确的图像内文字渲染。Pro 是我们迄今为止保真度最高的图像模型，价格为每1M文本输入代币5美元，每1M图像输入代币8美元，每1M图像输出代币106美元。 - **MAI-Voice-2-Flash (https://ai.azure.com/catalog/models/MAI-Voice-2-Flash) 现已进入公开预览。**首次在 Build 大会推出，Flash 专为速度和规模而生。它是满足高并发语音体验的快速、高效路径，在注重响应速度的场景下，同时保留了 MAI-Voice-2 的自然韵律和高声学质量。Flash 的速度是 MAI-Voice-2 的2倍，价格降低32%，每1M字符定价15美元。 MAI-Voice-2-Flash 和 MAI-Image-2.5-Pro 与我们现有的生产模型 (https://ai.azure.com/catalog/models?source=microsoft) 并列，供开发者根据任务需求，在质量-速度-成本曲线上选取最佳位置。 由八张图片组成的拼贴画：香水广告、柠檬配饮料、紫色托特包、人行横道上的狗、城市公园、两本关于鸟类的书、棋盘格瓷砖上的脚、以及带有蓝色装饰的现代浴室。 **为我们的微软产品量身打造的模型** 排行榜是衡量模型质量的好工具，但真正的考验在于为真实产品用例中的用户提供服务。微软在决定将哪个模型用于生产环境之前，会对其进行严格评估。在更多的微软产品场景中，MAI 模型在质量、延迟和效率方面均优于竞争模型： - **Bing Image Creator 现已100%使用内部模型。**凭借 MAI-Image-2.5 (https://microsoft.ai/models/mai-image-2-5/) 全新的精确图像编辑能力，它如今已成为端到端驱动 Bing Image Creator 的默认模型，用于实现高质量生成和更强的创意控制。 - **PowerPoint中的图像生成与编辑能力。**MAI-Image-2.5 现已在 PowerPoint 中投入生产，用于图像到图像的功能，与 GPT-Image-2 相比，GPU 成本降低高达84%。 - **OneDrive中的图像编辑。**MAI-Image-2.5 现已成为 OneDrive 关键生产图像编辑场景的默认模型。自推出以来，已使保存率提高26%，P95延迟降低约25%，并在中等利用率的生产工作负载下实现了2.5倍的效率提升。 - **呼叫中心中的语音。**MAI-Voice-2-Flash 现为 Dynamics 365 Contact Center 提供支持，这是一个用于构建呼叫中心代理的企业平台，被 T-Mobile 和 EasyJet 等客户使用。它为我们最具品牌代表性的对话带来了最优美、最自然的语音，同时将 GPU 成本降低高达89%。 - **MAI-Voice-2-Flash 已集成到 Azure Voice Live 中。**客户可以在 Voice Live 中利用 MAI-Voice-2-Flash 自然、富有表现力的语音和低延迟特性，快速构建语音代理。Voice Live 为开发者提供了一条可扩展的路径，用于构建支持语音到语音交互的高质量代理。 每一项改进都朝着同一个目标迈进：由微软模型驱动的微软产品，为使用它们的人们服务。 **与专家共同构建** 当今一些最重要、最富挑战性的领域，例如医学或软件工程，对通用模型提出了更高的要求。它们需要深厚的专业知识、紧密的反馈循环以及能够解决复杂现实世界挑战的模型。Microsoft AI 直接与领域专家合作，根据他们的独特需求调整和优化我们的模型： - **MAI 正在与 Dragon Copilot 合作，这是一个由17万医疗提供者使用的解决方案，上个季度处理了2800万次患者接触。**MAI-Transcribe-1.5 (https://microsoft.ai/models/mai-transcribe-1-5/) 现在支持 Dragon Copilot 的多语言工作流，用我们自身同类最佳的模型取代了之前的模型，覆盖58种语言。在针对多语言录音的内部评估中，该模型在大多数语言上将转录错误率和语言识别错误率相对降低了50%，并且早期研究表明，在后续医疗笔记的准确性方面也有令人鼓舞的改善。 这些都不是终点。它是同一个决策带来的累积成果：自主构建模型，以便能围绕我们产品的用户进行塑造，并提供能为客户带来更多选择和更好价值的选项。这就是"由 MAI 驱动"的含义，一个模型接一个模型，一个产品接一个产品。我们才刚刚开始。与此同时，您可以在 Foundry (https://ai.azure.com/catalog/models?source=microsoft) 中开始使用这些模型。您也可以在 Microsoft Learn 上了解有关 MAI-Image-2.5-Pro (https://review.learn.microsoft.com/en-us/azure/foundry/foundry-models/how-to/use-foundry-models-mai-image?branch=pr-en-us-13470&tabs=python) 和 MAI-Voice-2-Flash (https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-voices) 的更多信息，或者在 MAI Playground (https://playground.microsoft.ai/chat) 中试用它们。 ## 与我们一起构建未来 我们是一个精干、快速行动的实验室，汇聚了全球一些最聪明的人才。我们拥有令人兴奋的 MAI 计算路线图，下一代 GB200 集群现已投入使用。我们怀揣着一个雄心勃勃的使命，并对此深信不疑。我们还很荣幸能与众多杰出的产品团队合作，让我们的模型有机会触达数十亿用户，并产生巨大的积极影响。如果您才华横溢、雄心勃勃且保持谦逊，您将非常适合我们——加入我们，共同打造我们的下一代模型！ 浏览所有职位 (https://microsoft.ai/careers)