マイクロソフトがMAI画像・音声特化モデル最新版発表

Microsoft AI（MAI）は2026年7月31日、特定メディア処理に特化した最新モデル「MAI-Image-2.5-Pro」および「MAI-Voice-2-Flash」のリリースを発表した。両モデルはAzure AI FoundryおよびCopilot Studioを通じて開発者へ即時提供される。

今回のアップデートでは、画像生成における解像度・文字描写力と、音声合成における低遅延性の双方が大幅に強化された。

• MAI-Image-2.5-Pro: フォトリアルな超高精細画像生成、複雑なテキストレンダリングの精度向上、商業デザイン向けの構図制御
• MAI-Voice-2-Flash: 超低遅延なリアルタイム音声合成、自然な感情ニュアンスの表現、低計算リソースでの動作

両モデルは以下のマイクロソフト開発環境とネイティブに統合されている。

• Azure AI Foundry: エンタープライズ開発者向けAPI連携とモデルチューニング
• Copilot Studio: ノンプログラミングでの対話型・音声対応自律エージェント作成

マイクロソフトが汎用大規模言語モデルだけでなく、画像・音声の専門メディアモデル領域においても「MAI」ブランドの自社モデル拡充を進めている点は注目に値する。Azureエコシステム内での完結性が高まり、リアルタイムメディア処理のコスト低減と表現力の向上が期待される。

出典: blogs.microsoft.com