3 New AI models from Microsoft

የመጀመሪያውና ዋነኛው ሞዴል MAI-Transcribe-1 የተባለው ንግግርን ወደ ጽሑፍ የሚቀይር ሲስተም ነው። ይህ ሞዴል በ 25 የተለያዩ ቋንቋዎች ላይ ካሉ ሌሎች ተመሳሳይ ቴክኖሎጂዎች የተሻለ ትክክለኛነት እንዳለው ተገልጿል። በተለይም በዘርፉ ቀዳሚ ተደርገው ከሚወሰዱት እንደ OpenAI Whisper እና Google Gemini ካሉ ሞዴሎች የላቀ ውጤት ማስመዝገቡ በMicrosoft የምርምር ውጤቶች ላይ ተመልክቷል።

ሁለተኛው አዲስ ቴክኖሎጂ MAI-Voice-1 የተባለ የጽሑፍ መረጃን ወደ ተፈጥሯዊ የሰው ድምፅ የሚቀይር ሞዴል ነው። ይህ ሞዴል እጅግ ፈጣን ከመሆኑ የተነሳ የአንድ ደቂቃ ንግግርን በአንድ ሰከንድ ውስጥ ብቻ የመቀየር አቅም አለው። በተጨማሪም የተጠቃሚዎችን ድምፅ በጥቂት ሰከንዶች ናሙና ብቻ በመውሰድ ተመሳሳይ ድምፅ መፍጠር የሚያስችል ሲሆን ይህም ለተለያዩ የፈጠራ ስራዎችና ለዲጂታል ረዳቶች ትልቅ እገዛ ያደርጋል።

ሶስተኛው ደግሞ MAI-Image-2 የተባለው ምስሎችን የሚፈጥር ሞዴል ነው። ይህ ሞዴል ከቀድሞዎቹ ስሪቶች ጋር ሲነጻጸር በሁለት እጥፍ ፈጣን ሲሆን እጅግ ጥራት ያላቸውና ዝርዝር መረጃዎችን የያዙ ምስሎችን ማመንጨት ይችላል። Microsoft ይህንን ቴክኖሎጂ በ Bing እና በ PowerPoint ውስጥ በማካተት ተጠቃሚዎች በቀላሉ ምስሎችን እንዲፈጥሩ እያመቻቸ ይገኛል።

እነዚህ ሶስት ሞዴሎች በአሁኑ ወቅት በ Microsoft Foundry እና በ አዲሱ MAI Playground በኩል ለተጠቃሚዎች ክፍት ሆነዋል።

ይህ ትልቅ እርምጃ በ Mustafa Suleyman የሚመራው የMicrosoft የ AI ቡድን ኩባንያው በራሱ ቴክኖሎጂ እንዲቆም ለማድረግ ለሚሰራው ስራ እንደ መጀመሪያ ውጤት ተቆጥሯል።

የMicrosoft ይህ ስልታዊ እንቅስቃሴ በገበያው ውስጥ ያለውን የዋጋ ተወዳዳሪነት ከመጨመሩም በላይ ተቋማት ይበልጥ አስተማማኝና ፈጣን የሆኑ የ AI ሞዴሎችን እንዲያገኙ ያስችላል። ይህም ኩባንያው በቴክኖሎጂው ዓለም ያለውን የበላይነት ለማረጋገጥ ያለውን ቁርጠኝነት በግልጽ ያሳያል።