微软 AI 在 Foundry 上线 MAI-Transcribe-1、MAI-Voice-1 与 MAI-Image-2

背景

微软 AI（Microsoft AI）此前已推出首批自研模型。到2026年4月，公司已有足够的模型，可以提供给外部开发者，而不只用于自家产品。^[1]

发生了什么

2026年4月2日，Mustafa Suleyman 宣布了三款面向开发者的 MAI 模型：MAI-Transcribe-1、MAI-Voice-1 与 MAI-Image-2。^[1] 它们在微软的 AI 模型构建平台 Microsoft Foundry 上线，同时也进入了 MAI Playground，用户可以在那里直接试用。^[1]

三款模型分别处理三类任务。MAI-Transcribe-1 把语音转为文字；MAI-Voice-1 生成语音；MAI-Image-2 根据文字生成图像。^[1][2]

关键细节

MAI-Transcribe-1 支持25种语言，批量转写速度是 Azure Fast 转写的2.5倍，起价为每小时音频0.36美元。^[1][2]

MAI-Voice-1 支持用几秒钟的音频创建自定义声音，起价为每百万字符22美元。自定义声音在使用前需要经过审批流程。^[1][3] MAI-Image-2 在 Arena.ai 排行榜上以前三名的模型家族身份亮相，起价为每百万文本输入词元5美元、每百万图像输出词元33美元。^[1][2] 微软称，该模型正在 Bing、PowerPoint 与 Copilot 中陆续推出。^[1]

影响

微软表示，三款模型在发布前都经过了红队测试，并且为每一款都公开了模型卡。^[1] 模型卡是一份简短的说明文件，解释模型的用途与局限。

对整个领域而言，这次发布标志着微软对自研模型的呈现方式发生了变化。这些模型不再只是微软产品中的功能，而成为开发者可以在同一平台上构建应用的选项，与其他公司的模型并列，并附有明确的价格和公开文档。^[1][3]