مایکروسافت با معرفی دو مدل جدید هوش مصنوعی وارد رقابت جدیتر شد؛ مدلهایی که حتی میتوانند صدا را واقعیتر از انسان تولید کنند.
به گزارش مجله خبری آی تی و دیجیتال و به نقل از phonearena، مایکروسافت که تاکنون بیشتر به همکاری با اوپناِیآی و مدلهای چتجیپیتی متکی بود، سرانجام نخستین مدلهای اختصاصی خود را معرفی کرد. این شرکت دو سیستم تازه به نامهای MAI-Voice-1 و MAI-1-preview را رونمایی کرده است.
ستاره این معرفی MAI-Voice-1 است؛ مدلی که میتواند تنها با یک کارت گرافیک در کمتر از یک ثانیه یک دقیقه صدا تولید کند. صدایی که این مدل میسازد، تقریبا غیرقابل تشخیص از صدای واقعی انسان است و همین موضوع تحسینبرانگیز و در عین حال بحثبرانگیز شده است.
مایکروسافت این فناوری را وارد کوپایلوت دیلی کرده؛ جایی که یک گوینده هوش مصنوعی خبرها را برای کاربران میخواند. همچنین از آن برای تولید مکالمات صوتی شبیه پادکست استفاده میشود تا موضوعات پیچیده سادهتر توضیح داده شوند.
کاربران هم میتوانند از طریق کوپایلوت لبز به این ابزار دسترسی داشته باشند، صدای مورد نظرشان را بسازند و حتی سبک گفتار را تغییر دهند.
در کنار این مدل، مایکروسافت از MAI-1-preview هم رونمایی کرد. این مدل روی حدود ۱۵ هزار کارت گرافیک انویدیا H100 آموزش دیده و بر خلاف نسخه صوتی، روی پاسخگویی متنی متمرکز است. قرار است این مدل برای برخی وظایف متنی به کوپایلوت اضافه شود.
مایکروسافت تأکید کرده که قصد دارد مجموعهای از مدلهای تخصصی را برای کاربردهای مختلف توسعه دهد تا تجربه کاربری گستردهتری ایجاد شود. این شرکت حالا علاوه بر همکاری با اوپناِیآی، عملا وارد رقابت مستقیم با آن هم شده است؛ رقابتی که بهویژه در برابر مدل جدید چتجیپیتی ۵ جدیتر خواهد شد.
در همین حال، گوگل نیز بیکار ننشسته است. تیم دیپمایند این شرکت مدلی تازه برای ویرایش تصویر با نام نانو بنانا معرفی کرده که ظاهر واقعی کاربر را حتی پس از ویرایش حفظ میکند. گوگل همچنین مدل Gemini 2.5 Flash Image را معرفی کرده که پیشرفتهترین مدل تولید تصویر این شرکت به شمار میرود.
رقابت در حوزه هوش مصنوعی حالا بیش از هر زمان دیگری داغ شده و به نظر میرسد مایکروسافت، اوپناِیآی و گوگل یکی پس از دیگری قابلیتهای تازهای را روانه بازار خواهند کرد.
نظرات کاربران