Microsoft выпустила новый генератор изображений и первые для себя генераторы речи и перевода голоса в текст
Доступ к ним платный.
Пример работы MAI-Image-2. Скриншот vc.ru
- Все три модели доступны через Microsoft Foundry и MAI Playground, сообщила компания.
- MAI-Transcribe-1 умеет преобразовывать речь в текст — она распознаёт 25 языков. Среди них — английский, французский, немецкий, русский и другие. Стоимость — от $0,36 за час разговора. Использовать её, например, можно для генерации субтитров.
- MAI-Voice-1 — модель генерации голоса. Она может создавать «естественную, реалистичную речь, наполненную эмоциями». Максимальная длина аудио — две минуты. Стоимость — от $22 за 1 млн символов.
- MAI-Image-2 — улучшенная версия MAI-Image, который компания представила в октябре 2025 года. Она умеет преобразовывать текстовые промпты в изображения. Стоимость — от $5 за 1 млн входных текстовых токенов и от $33 за 1 млн токенов для вывода изображения.