مایکروسافت با معرفی مدل‌های هوش مصنوعی جدید، رقابت را داغ‌تر کرد

مایکروسافت، غول فناوری جهان، با معرفی دو مدل هوش مصنوعی اختصاصی جدید، گامی بلند در مسیر رقابت با شرکت‌هایی نظیر اوپن‌اِی‌آی و گوگل برداشته است. این مدل‌ها که قابلیت‌های چشمگیری در تولید صدا و پردازش متن دارند، نشان‌دهنده ورود جدی‌تر مایکروسافت به عرصه توسعه مستقل هوش مصنوعی هستند.

MAI-Voice-1: تولید صدای فراواقعی

ستاره این معرفی، مدل MAI-Voice-1 است که توانایی‌های بی‌نظیری در تولید صدا دارد. این مدل می‌تواند تنها با استفاده از یک کارت گرافیک، در کمتر از یک ثانیه، یک دقیقه صدا تولید کند. نکته قابل توجه این است که صدای تولید شده توسط MAI-Voice-1 تقریباً غیرقابل تشخیص از صدای واقعی انسان است، که این ویژگی هم تحسین‌برانگیز و هم بحث‌برانگیز شده است.

• سرعت بالا: تولید ۱ دقیقه صدا در کمتر از ۱ ثانیه.
• واقع‌گرایی: صدای تولید شده تقریباً غیرقابل تشخیص از صدای انسان.
• کاربردها:
  • استفاده در کوپایلوت دیلی برای خواندن اخبار توسط گوینده هوش مصنوعی.
  • تولید مکالمات صوتی شبیه پادکست برای توضیح ساده‌تر موضوعات پیچیده.
• دسترسی کاربران: کاربران می‌توانند از طریق کوپایلوت لبز به این ابزار دسترسی داشته باشند، صدای مورد نظرشان را بسازند و حتی سبک گفتار را تغییر دهند.

MAI-1-preview: تمرکز بر پردازش متن

در کنار مدل صوتی، مایکروسافت از MAI-1-preview نیز رونمایی کرده است. این مدل بر خلاف MAI-Voice-1، بر پاسخگویی متنی متمرکز است و روی حدود ۱۵ هزار کارت گرافیک انویدیا H100 آموزش دیده است. قرار است MAI-1-preview برای انجام برخی وظایف متنی به کوپایلوت اضافه شود و قابلیت‌های پردازش زبان طبیعی آن را تقویت کند.

رقابت فزاینده در اکوسیستم هوش مصنوعی

مایکروسافت با این اقدام، علاوه بر ادامه همکاری‌های خود با اوپن‌اِی‌آی، عملاً وارد رقابت مستقیم با آن شده است. این رقابت به ویژه با معرفی مدل جدید چت‌جی‌پی‌تی ۵ از سوی اوپن‌اِی‌آی، جدی‌تر خواهد شد. هدف مایکروسافت توسعه مجموعه‌ای از مدل‌های تخصصی برای کاربردهای مختلف است تا تجربه کاربری گسترده‌تری را فراهم آورد.

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.

در همین حال، گوگل نیز بیکار ننشسته و با معرفی مدل‌های جدید، سهم خود را در این رقابت حفظ کرده است:

• نانو بنانا (Nano Banana): مدل جدید تیم دیپ‌مایند گوگل برای ویرایش تصویر که ظاهر واقعی کاربر را حتی پس از ویرایش حفظ می‌کند.
• جمینی ۲.۵ فلش ایمیج (Gemini 2.5 Flash Image): پیشرفته‌ترین مدل تولید تصویر گوگل که قابلیت‌های بصری این شرکت را ارتقا می‌دهد.

این تحولات نشان می‌دهد که آینده هوش مصنوعی با نوآوری‌های پیوسته و رقابت تنگاتنگ میان غول‌های فناوری، بسیار هیجان‌انگیز خواهد بود.