И Microsoft тоже жжет напалмом. Видимо забили на OpenAI и решили самим делать базовые модели для клиентов. Выкатила сразу 3 новых модели MAI – Transcribe-1, Voice-1 и Image-2. Всё доступно через Microsoft Foundry. MAI-Transcribe-1 – speech-to-text модель: Первое место по FLEURS бенчмарку в 11 из 25 топовых языков (на русском кстати gpt лучше) В остальных 14 бьёт Whisper-large-v3, а в 11 из них ещё и Gemini Flash Батч-транскрипция в 2.5x быстрее текущего Azure Fast Цена: $0.36/час – заявляют лучший price-performance среди крупных облаков. Ну у специализированных вендоров и подешевле. MAI-Voice-1 – генерация голоса: Создание кастомного голоса по нескольким секундам аудио 60 секунд аудио генерируется за 1 секунду Сохраняет идентичность голоса даже в длинных текстах Эмоциональный диапазон и интонации Цена: $22 за 1M символов (это где-то 2-3 цента за минуту, между GPT и ElevenLabs) MAI-Image-2 – генерация картинок: Топ-3 на Arena.ai лидерборде (она правда довольно неплохая) 2x быстрее предыдущей генерации в Copilot и Foundry Фокус на натуральный свет, точные тона кожи, читаемый текст на изображениях Раскатывают в Bing и PowerPoint WPP (крупнейшая рекламная группа) уже используют для продакшн-креативов Цена: $5 за 1M токенов (текстовый инпут) + $33 за 1M токенов (картинка), то есть где-то 3-5 центов за картинку, жить можно. https://microsoft.ai/news/today-were-announcing-3-new-world-class-mai-models-available-in-foundry/