美国微软公司于7月23日（当地时间）宣布推出两款新AI模型：“MAI-Image-2.5-Pro”和“MAI-Voice-2-Flash”，均作为其自主开发的AI模型系列“MAI”的新成员，以公开预览形式提供。
MAI-Image-2.5-Pro
“MAI-Image-2.5-Pro”是一款专注于图像质量的生成与编辑模型，适用于对图像清晰度要求极高的应用场景。该模型是微软目前最高精度的图像生成模型，同时在文本绘制的准确性和忠实度方面表现优异。
其定价为：每100万文本输入令牌5美元，每100万图像输入令牌8美元，每100万图像输出令牌106美元。
值得一提的是，其基础版本“MAI-Image-2.5”已在美国微软的“Bing Image Creator”、“PowerPoint”和“OneDrive”等产品中广泛应用，普通用户也能享受到该技术带来的便利。在“PowerPoint”中，GPU成本相比之前的“GPT-Image-2”最高降低了84%；在“OneDrive”中，生成图像的保存率提升了26%，95百分位延迟（P95）减少约25%，显著提升了用户体验。
MAI-Voice-2-Flash
“MAI-Voice-2-Flash”是在现有语音生成模型“MAI-Voice-2”的基础上加速优化的版本。它在保持自然语调和高音质的同时，响应速度提升了两倍，价格降低了32%。该模型适合对响应速度要求较高或需要处理大量语音数据的场景。
其定价为每100万字符15美元。该模型已被美国微软的“Dynamics 365 Contact Center”呼叫中心平台采用，客户包括T-Mobile和easyJet，GPU成本最高节省达89%。此外，它还集成于“Azure Voice Live”，支持构建语音对话代理。
