ಮೊದಲ ಬಿಡುಗಡೆಯಾದ ಮೈ-ವಾಯ್ಸ್ -1, ಮೈಕ್ರೋಸಾಫ್ಟ್ನ ಹೊಸ ಸ್ಪೀಚ್ ಪೀಳಿಗೆಯ ಮಾದರಿಯಾಗಿದ್ದು, ಉನ್ನತ-ನಿಷ್ಠೆ, ಅಭಿವ್ಯಕ್ತಿಶೀಲ ಆಡಿಯೊವನ್ನು ತಲುಪಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ. ಈಗಾಗಲೇ ಕಾಪಿಲೆಟ್ ದೈನಂದಿನ ಮತ್ತು ಪಾಡ್‌ಕಾಸ್ಟ್‌ಗಳಿಗೆ ಶಕ್ತಿ ತುಂಬುವ ಈ ಮಾದರಿಯು ಕಾಪಿಲೆಟ್ ಲ್ಯಾಬ್‌ಗಳ ಮೂಲಕ ಪ್ರಯೋಗಿಸಲು ಸಹ ಲಭ್ಯವಿದೆ, ಅಲ್ಲಿ ಬಳಕೆದಾರರು ಕಥೆ ಹೇಳುವ ಮತ್ತು ಮಾರ್ಗದರ್ಶಿ ಧ್ಯಾನ ಡೆಮೊಗಳನ್ನು ಪ್ರಯತ್ನಿಸಬಹುದು.
MAI-VOICE-1 ಒಂದೇ ಜಿಪಿಯುನಲ್ಲಿ ಒಂದು ಸೆಕೆಂಡಿನಲ್ಲಿ ಪೂರ್ಣ ನಿಮಿಷದ ಆಡಿಯೊವನ್ನು ರಚಿಸಬಹುದು, ಇದು ಪ್ರಸ್ತುತ ಲಭ್ಯವಿರುವ ಅತ್ಯಂತ ಪರಿಣಾಮಕಾರಿ ಭಾಷಣ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಮೈಕ್ರೋಸಾಫ್ಟ್ ಧ್ವನಿಯನ್ನು ಎಐ ಸಹಚರರಿಗೆ “ಭವಿಷ್ಯದ ಇಂಟರ್ಫೇಸ್” ಎಂದು ವಿವರಿಸಿದೆ, ಏಕ ಮತ್ತು ಬಹು-ಸ್ಪೀಕರ್ ಸನ್ನಿವೇಶಗಳನ್ನು ನಿರ್ವಹಿಸುವ ಮಾದರಿಯ ಸಾಮರ್ಥ್ಯವನ್ನು ಗಮನಿಸಿ.
ಎರಡನೇ ಬಿಡುಗಡೆಯಾದ MAI-1-PRVIEW, ಕಂಪನಿಯ ಮೊದಲ ಅಂತ್ಯದಿಂದ ಕೊನೆಯ ಫೌಂಡೇಶನ್ ಮಾದರಿಯಾಗಿದ್ದು, ಪ್ರಸ್ತುತ ಮಾದರಿ ಮೌಲ್ಯಮಾಪನಕ್ಕಾಗಿ ಜನಪ್ರಿಯ ಸಮುದಾಯ ವೇದಿಕೆಯಾದ LMarena ನಲ್ಲಿ ಸಾರ್ವಜನಿಕ ಪರೀಕ್ಷೆಗೆ ಲಭ್ಯವಿದೆ.
ಸುಮಾರು 15,000 NVIDIA H100 GPUS ಬಳಸಿ ನಿರ್ಮಿಸಲಾದ, ಮಿಶ್ರಣ-ತಜ್ಞರ ಮಾದರಿಯನ್ನು ಪೂರ್ವ-ತರಬೇತಿ ಮತ್ತು ಪೋಸ್ಟ್-ತರಬೇತಿ ಪಡೆದಿದೆ, ಸೂಚನೆ-ಅನುಸರಣೆ ಮತ್ತು ಸಂಭಾಷಣಾ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸಲು. ಮೈಕ್ರೋಸಾಫ್ಟ್ ಶೀಘ್ರದಲ್ಲೇ ಕಾಪಿಲೆಟ್ ಒಳಗೆ ಪಠ್ಯ ಆಧಾರಿತ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡುತ್ತದೆ ಎಂದು ಹೇಳಿದರು, ಆರಂಭಿಕ ಪ್ರತಿಕ್ರಿಯೆಯು ಅದರ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಪರಿಷ್ಕರಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ.
ಡೆವಲಪರ್‌ಗಳು ಮತ್ತು ಪರೀಕ್ಷಕರು ಎಂಎಐ -1-ಪ್ರಿವ್ಯೂಗೆ ಎಪಿಐ ಪ್ರವೇಶಕ್ಕಾಗಿ ಅರ್ಜಿ ಸಲ್ಲಿಸಬಹುದು, ಇದು ನಿರಂತರ ಸುಧಾರಣೆಯ ಫ್ಲೈವೀಲ್ ಅನ್ನು ನಿರ್ಮಿಸುವ ಪ್ರಮುಖ ಹೆಜ್ಜೆಯಾಗಿದೆ ಎಂದು ಮೈಕ್ರೋಸಾಫ್ಟ್ ಹೇಳುತ್ತದೆ.
ಈ ಮಾದರಿಗಳು ದೊಡ್ಡ ಮಾರ್ಗಸೂಚಿಯಲ್ಲಿ ಮೊದಲ ಹಂತಗಳನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತವೆ ಎಂದು ಮಾಯ್ ಗಮನಿಸಿದರು. ವಿಭಿನ್ನ ಬಳಕೆಯ ಸಂದರ್ಭಗಳು ಮತ್ತು ಬಳಕೆದಾರರ ಉದ್ದೇಶಗಳಿಗಾಗಿ ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ವಿಶೇಷ ಎಐ ಮಾದರಿಗಳ ಶ್ರೇಣಿಯನ್ನು ಆಯೋಜಿಸಲು ಕಂಪನಿಯು ಯೋಜಿಸಿದೆ, ಪಾಲುದಾರರು ಮತ್ತು ಮುಕ್ತ-ಮೂಲ ಸಮುದಾಯದ ಕೊಡುಗೆಗಳೊಂದಿಗೆ ತನ್ನ ಆಂತರಿಕ ಕೆಲಸವನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ.
“ಧ್ವನಿ ಕೇವಲ ಪ್ರಾರಂಭವಾಗಿದೆ” ಎಂದು ತಂಡ ಹೇಳಿದರು. “ವಿಶೇಷ ಮಾದರಿಗಳನ್ನು ಆಯೋಜಿಸುವುದು ಅಪಾರ ಮೌಲ್ಯವನ್ನು ಅನ್ಲಾಕ್ ಮಾಡುತ್ತದೆ ಎಂದು ನಾವು ನಂಬುತ್ತೇವೆ, ಮತ್ತು ಪ್ರಮುಖ AI ಅನ್ನು ಜಾಗತಿಕವಾಗಿ ಜನರ ಕೈಗೆ ತಲುಪಿಸುವ ಗುರಿಯನ್ನು ನಾವು ಮುಂದಿನ ಕೆಲಸದಿಂದ ಉತ್ಸುಕರಾಗಿದ್ದೇವೆ.”
