网易首页 > 网易号 > 正文 申请入驻

微软、谷歌同日发布新AI模型:语音、图像与本地开源能力齐上阵

0
分享至

微软与谷歌周四同步发布新一代AI模型,进一步加码多模态能力布局。微软推出自研MAI系列基础模型,覆盖语音转写、语音生成和图像生成,并加速融入自家产品体系;谷歌则发布Gemma 4开源模型,主打本地运行和多模态能力,并将许可切换至更开放的Apache 2.0协议。

微软:三款MAI模型覆盖语音与图像能力

微软推出的“世界级”自研MAI模型,一共包括三款。

首先是MAI-Transcribe-1,这是一款“最先进”的语音转文本模型,该模型在全部25种语言上均优于OpenAI的Whisper-large-v3,在25种中有22种优于Google的Gemini 3.1 Flash,在15种语言上优于ElevenLabs的Scribe v2和OpenAI的GPT-Transcribe。MAI-Transcribe-1的起步价格为每小时0.36美元。

该模型采用基于Transformer的文本解码器和双向音频编码器,支持MP3、WAV和FLAC格式,最大文件200MB。微软表示,其批量转写速度是Azure Fast现有方案的2.5倍。说话人分离、上下文偏置和流式处理功能将“很快推出”。目前,该模型已在Copilot语音模式和Microsoft Teams中测试,用于对话转写,这也显示出微软正快速用自研模型替代外部或旧有方案。

其次是MAI-Voice-1,这是一款新的语音生成模型,只需1秒即可生成60秒的音频,并在长文本中保持说话人一致性,用户只需几秒音频即可创建自定义声音。同时,它还支持在Microsoft Foundry中通过短音频样本创建定制语音。MAI-Voice-1的起步价格为每100万个字符22美元。

最后是MAI-Image-2,这是一款更快的文生图模型,目前已经开始在Copilot中上线,接下来将陆续应用于Bing和PowerPoint。MAI-Image-2的价格为文本输入每100万个词元(Token)收费5美元,图像输出每100万个词元收费33美元。

如今,这三款模型已全部在Microsoft Foundry上线,其中语音转写和语音生成模型也可在MAI Playground中使用。这些模型由微软的MAI超级智能团队开发,该团队由Microsoft AI首席执行官穆斯塔法·苏莱曼(Mustafa Suleyman)领导,于2025年11月成立并对外公布。

微软表示:

“我们正在快速部署这些顶级模型,用于支持自家的消费者和商业产品。很快你将会在Foundry以及微软各类产品和体验中看到更多模型。”
微软加速摆脱依赖:自研模型体系逐步成型

媒体分析称,这一发布表明,尽管微软仍与OpenAI保持紧密合作,但公司正持续推进构建自有多模态AI模型体系,并与其他AI研究机构展开竞争。

这些模型的推出,与微软与OpenAI之间的一次关键合同调整密切相关。在2025年10月之前,微软在合同上被限制,无法独立推进通用人工智能的研发。2019年的原始协议规定,微软以提供云基础设施为交换,获得OpenAI模型的授权。但当OpenAI开始与软银等其他合作伙伴扩大算力合作时,微软重新谈判了协议。

苏莱曼在2025年12月接受采访时表示:“直到几周前,微软在合同上是不被允许独立推进AGI或超级智能的。”新协议使微软可以自主开发前沿模型,同时仍保留到2032年的OpenAI模型授权。

不过,苏莱曼在周四接受媒体采访时重申,微软仍将继续与OpenAI保持合作关系。但他也向媒体表示,近期对双方合作关系的重新谈判,使微软能够真正推进其超级智能研究。

“与OpenAI的合作没有改变,我们至少会合作到2032年,甚至更久。他们是非常优秀的合作伙伴。”

同时,微软也通过Foundry提供Anthropic Claude模型,将自身定位为“平台中的平台”。但其战略意图很清晰:微软正在打造独立能力。

微软已向OpenAI投资超过130亿美元,并通过一项多年期合作,将其模型部署在自家多款产品中。微软在芯片领域也采取类似策略:既自主研发,也同时采购外部供应商的产品。

分析称,这一发布时点对微软而言颇为关键。公司股价刚经历自2008年金融危机以来最差的一个季度,投资者正越来越迫切地要求看到,数千亿美元的AI基础设施投入如何转化为实际收入。这些模型——定价激进,同时有助于降低微软自身成本——成为苏莱曼对此压力的首次回应。

从竞争格局看,这次发布让微软在多个方向同时发力。MAI-Transcribe-1直接挑战OpenAI Whisper在开源社区的地位,也对Google Gemini形成压力;MAI-Voice-1则对标ElevenLabs等语音AI公司;加上Foundry统一API入口,形成强大的分发优势。

苏莱曼表示:

“我们现在是仅次于OpenAI和Gemini的前三实验室。”
“我们要做到所有云厂商里最便宜,包括亚马逊和谷歌,这是有意识的决定。”
谷歌:Gemma 4开源模型强化本地AI与开发者生态

谷歌推出的Gemma 4开源模型采用Apache 2.0许可,而不再使用此前自定义的Gemma许可协议。谷歌表示,这些模型具备高级推理能力、代理式工作流、代码生成,以及视觉和音频生成能力,并提供四种不同版本,针对本地运行进行了优化,甚至可以运行在“数十亿台安卓设备”上。

谷歌表示:

“Gemma 4基于与Gemini 3相同的世界级研究和技术,是目前你可以在本地硬件上运行的能力最强的一系列模型。它们与我们的Gemini模型形成互补,为开发者提供业内最强大的开源与专有工具组合。”
“这种开源许可为开发者提供了完整的灵活性和数字主权基础,让你可以完全掌控数据、基础设施和模型。你可以在任何环境中自由构建并安全部署,无论是在本地还是云端。”
四种版本:从手机到GPU全覆盖

四种不同版本主要区别在于参数规模。针对边缘设备(包括智能手机),公司推出了20亿和40亿参数的“Effective”模型,更注重多模态能力和低延迟处理,适用于移动设备和物联网设备。针对更强大的设备,则提供了260亿参数的“Mixture of Experts”(专家混合)模型,以及310亿参数的“Dense”(稠密)模型,旨在运行于消费级GPU上,可用于驱动IDE、编程助手以及代理式工作流。这些模型还支持完全离线运行。

谷歌表示,在Gemma 4上实现了“前所未有的单位参数智能水平”。为佐证这一说法,公司指出,Gemma 4中310亿和260亿参数版本在Arena AI文本排行榜上分别位列第三和第六,击败了规模是其20倍的模型。

所有这些模型都可以处理视频和图像,因此非常适合用于光学字符识别等任务。较小的两个模型还支持处理音频输入并理解语音。此外,谷歌表示,Gemma 4系列支持离线代码生成,这意味着用户可以在没有互联网连接的情况下进行编程(例如进行“vibe coding”)。这些模型还支持超过140种语言。

谷歌的Gemma 4开源模型可以在多个平台下载,包括Hugging Face、Kaggle和Ollama。谷歌强调:

“这些模型在基础设施安全方面,遵循与我们专有模型相同的严格安全协议。”

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
美论坛曾曝:若日本敢再次侵略中国,在美国帮助下能够将其击败吗

美论坛曾曝:若日本敢再次侵略中国,在美国帮助下能够将其击败吗

吴锎旅行ing
2026-11-17 20:16:20
重磅截胡!波切蒂诺钦点曼联首签!硬抢阿森纳头号目标

重磅截胡!波切蒂诺钦点曼联首签!硬抢阿森纳头号目标

澜归序
2026-11-19 11:00:30
泽连斯基:全世界都在等待乌克兰战胜俄罗斯那个混蛋!

泽连斯基:全世界都在等待乌克兰战胜俄罗斯那个混蛋!

老马拉车莫少装
2026-07-06 01:58:00
切开放一会儿就“发黑”的口蘑,不是坏了——真相是:越白得发亮、放一天都不变色的,越要当心

切开放一会儿就“发黑”的口蘑,不是坏了——真相是:越白得发亮、放一天都不变色的,越要当心

富贵说
2026-11-17 18:37:46
马斯克为什么这么疯狂地生那么多孩子? 原因很简单,他真觉得人类要完,要搞“基因筛选”!

马斯克为什么这么疯狂地生那么多孩子? 原因很简单,他真觉得人类要完,要搞“基因筛选”!

LULU生活家
2026-10-24 18:01:57
勒夫:18年世界杯我选择让诺伊尔当一门,告诉特狮时我很难受

勒夫:18年世界杯我选择让诺伊尔当一门,告诉特狮时我很难受

懂球帝
2026-11-19 14:15:06
没招了!高校老师课堂突发不适,非故意离岗仍被通报批评、取消评优!网友直言,某些高校的管理已经呈现耗材化的趋势

没招了!高校老师课堂突发不适,非故意离岗仍被通报批评、取消评优!网友直言,某些高校的管理已经呈现耗材化的趋势

学术眺望
2026-11-19 10:00:03
霍达尔不敌谢尔顿被嘲“白忙活”,郑钦文打趣自己喜欢“仪式感”

霍达尔不敌谢尔顿被嘲“白忙活”,郑钦文打趣自己喜欢“仪式感”

网球之家
2026-11-19 23:57:00
小学生“倒数第一”试卷火了,老师无奈:这娃智商太高,实在教不了

小学生“倒数第一”试卷火了,老师无奈:这娃智商太高,实在教不了

浩源的妈妈
2026-11-18 15:40:13
越来越多的人患癌症!医生含泪苦劝:冰箱久置的5物,别再吃了!

越来越多的人患癌症!医生含泪苦劝:冰箱久置的5物,别再吃了!

白宸侃片
2026-11-20 06:55:43
工人安全绳被割断后续!肇事者身份曝光,用钝器切割,警方介入

工人安全绳被割断后续!肇事者身份曝光,用钝器切割,警方介入

云舟史策
2026-11-19 07:08:00
消息确定!她已决定退出!

消息确定!她已决定退出!

清唱
2026-11-18 22:58:00
普京:克里米亚大桥遭袭后,不再讨论海上停火

普京:克里米亚大桥遭袭后,不再讨论海上停火

澎湃新闻
2026-11-20 03:51:05
山东六旬老人坠入化粪池身亡,家属:这并不是普通意外

山东六旬老人坠入化粪池身亡,家属:这并不是普通意外

极目新闻
2026-11-18 21:39:22
法国游客回国后,,特意跟亲戚说:中国根本不是我们想象的那样

法国游客回国后,,特意跟亲戚说:中国根本不是我们想象的那样

花颜蕴韵
2026-11-19 22:44:23
印度顶级制造商曝雷人言论:第六代战斗机即将出世,各国网友集体来嘲笑印度

印度顶级制造商曝雷人言论:第六代战斗机即将出世,各国网友集体来嘲笑印度

小徐讲八卦
2026-11-17 15:42:25
果然工作留痕的含金量还在上升,网友:关键时候可以保命

果然工作留痕的含金量还在上升,网友:关键时候可以保命

夜深爱杂谈
2026-10-30 17:03:14
42岁妈妈8个月减重50斤判若两人,决定把注意力放回自己身上后:中度脂肪肝消失了,情绪不内耗了,和孩子关系也改善了

42岁妈妈8个月减重50斤判若两人,决定把注意力放回自己身上后:中度脂肪肝消失了,情绪不内耗了,和孩子关系也改善了

91.6陕西交通广播
2026-11-20 00:07:33
高市早苗终于见到普京,俄方只给30分钟,日本提出两项要求,莫斯科没有松口

高市早苗终于见到普京,俄方只给30分钟,日本提出两项要求,莫斯科没有松口

阿离家居
2026-11-20 04:46:30
大爆冷!湖人负爵士终结9连胜 东契奇29+7+9失误乔治30+10

大爆冷!湖人负爵士终结9连胜 东契奇29+7+9失误乔治30+10

醉卧浮生
2026-11-19 13:31:32
2026-11-20 10:15:00
华尔街见闻官方 incentive-icons
华尔街见闻官方
中国领先的金融商业信息提供商
155269文章数 2655525关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

高考522分大学生学冷门专业被指"月薪6位数" 本人回应

头条要闻

高考522分大学生学冷门专业被指"月薪6位数" 本人回应

体育要闻

文班亚马也防不住这"巨兽" 无奈吐槽:悲哀

娱乐要闻

后会友期 文吉儿公然怼谈话老师陈晓楠

财经要闻

Anthropic敲钟 美股跳水:AI狂欢结束?

汽车要闻

方程豹钛9实测 堪称比亚迪最强混动的DMS到底怎么样?

态度原创

旅游
数码
时尚
艺术
手机

旅游要闻

宝藏山东攻略共创丨齐长城16天自驾游攻略,驾游千里穿越千年

数码要闻

联想最便宜掌机!Legion Go Beam揭晓:取消触控板

今年冬天不穿大衣了?这件“非凡外套”才是真顶流!

艺术要闻

尼古拉·费欣:用色彩谱写交响曲的天才画家

手机要闻

华硕a豆登陆重庆草莓音乐节,沉浸式互动展区等你打卡体验!

无障碍浏览 进入关怀版