Mô hình MAI-Voice-1 gây chú ý khi có thể tạo ra một phút âm thanh chỉ trong chưa đầy một giây, và đặc biệt chỉ cần sử dụng một GPU. Công nghệ này hiện đã được Microsoft ứng dụng trong Copilot Daily - bản tin AI có “người dẫn chương trình ảo” đọc các tin tức nổi bật trong ngày cũng như tạo ra các đoạn hội thoại dạng podcast để giải thích thông tin một cách sinh động hơn.

Người dùng có thể trực tiếp trải nghiệm MAI-Voice-1 thông qua Copilot Labs, với khả năng tùy chỉnh nội dung, giọng nói và phong cách thể hiện theo nhu cầu.

Song song với đó, Microsoft cũng giới thiệu MAI-1-preview, một mô hình ngôn ngữ lớn được huấn luyện trên khoảng 15.000 GPU Nvidia H100. Khác với những giải pháp hướng đến doanh nghiệp, MAI-1-preview được thiết kế để trả lời các truy vấn thường nhật và hỗ trợ người dùng trong nhiều tình huống đời sống hàng ngày.

Microsoft đã bắt đầu thử nghiệm công khai MAI-1-preview trên nền tảng đánh giá hiệu năng AI LMArena, đồng thời có kế hoạch tích hợp mô hình này vào Copilot – vốn hiện đang dựa nhiều vào các mô hình ngôn ngữ lớn của OpenAI.

Ông Mustafa Suleyman, Giám đốc điều hành mảng AI của Microsoft, từng chia sẻ rằng công ty đang ưu tiên phát triển các mô hình phục vụ trực tiếp người tiêu dùng thay vì tập trung vào thị trường doanh nghiệp. Ông nhấn mạnh: “Điều quan trọng là phải xây dựng những công cụ AI hoạt động thực sự hiệu quả cho người dùng, tận dụng dữ liệu dồi dào từ các hoạt động tiêu dùng và quảng cáo để tối ưu trải nghiệm.”

Trong bài viết trên blog chính thức, Microsoft AI khẳng định tham vọng mở rộng hệ sinh thái AI theo hướng đa mô hình: “Chúng tôi tin rằng việc phối hợp nhiều mô hình chuyên biệt, phục vụ những nhu cầu và mục đích khác nhau, sẽ mang lại giá trị to lớn cho người dùng.”

Động thái này cho thấy Microsoft đang đẩy mạnh nỗ lực tự chủ công nghệ AI, vừa tận dụng hợp tác với OpenAI, vừa xây dựng nền tảng riêng để cạnh tranh trong cuộc đua AI toàn cầu.