微软推出 MAI 图像与语音模型，已进入公开预览

boonkiong

微软在 Microsoft Foundry 推出 MAI-Image-2.5-Pro 与 MAI-Voice-2-Flash。前者支持文生图、图生图和自然语言局部编辑，可处理对象、布局与文字修改，并强调多轮编辑中的人物和风格一致性。

MAI-Voice-2-Flash 面向低延迟语音合成，支持 15 种语言和 18 个地区，用户可用 5 至 60 秒的授权声音样本创建语音，并控制语速、音高和情绪。两款模型均由微软自研，现已进入公开预览，图像能力已用于 Bing Image Creator、PowerPoint 等产品，语音模型则接入 Azure Voice Live 和 Dynamics 365 Contact Center。

文章来源：https://www.ifanr.com