微軟發佈 MAI 系列 AI 模型，補齊影像與語音多模態商用能力

微軟持續透過 Microsoft AI 擴大自研模型版圖，降低企業導入生成式 AI 時對單一外部供應商的依賴。此次補上影像生成、語音辨識與語音合成，並整合 Microsoft Foundry、Copilot、Bing、PowerPoint 與 Azure Speech，讓企業可在既有工作流部署「看、聽、說」能力。

2026年4月2日，微軟宣布MAI-Transcribe-1、MAI-Voice-1與MAI-Image-2進駐Foundry。轉錄模型支援25種語言，每小時0.36美元起；語音模型以單一GPU在1秒內生成60秒音訊，每百萬字元22美元起；影像模型登Arena.ai同類榜第3名。