Neseniai „Microsoft“ paskelbė apie tris naujus pagrindinius dirbtinio intelekto (DI) modelius, specializuotus transkripcijai, balso ir vaizdo generavimo technologijoms. Juos vidiniu būdu sukūrė kaip dalį strateginio siekio stiprinti savo DI galimybes ir sumažinti priklausomybę nuo išorinių partnerių, pavyzdžiui, „OpenAI“. Šie nuosavi modeliai žymi svarbų žingsnį „Microsoft“ siekiant didesnio savarankiškumo ir inovacijų DI srityje. Istoriškai, „Microsoft“ labai sėkmingai bendradarbiavo su „OpenAI“, kartu dirbdami keliuose projektuose ir technologijų pažangose. Tačiau šie nauji vidiniai modeliai rodo pokytį link savarankiškų DI sprendimų kūrimo. Pirmasis modelis puikiai atlieka transkripciją, naudodamas pažangų natūralios kalbos apdorojimą, kuris paverčia garsą į itin tikslią tekstą. Ši technologija palaiko tokias funkcijas kaip automatizuotos susitikimų užrašų ruošimas, realaus laiko subtitravimas, turinio indeksavimas ir prieigos gerinimas „Microsoft“ platformose. Antrasis modelis orientuotas į balso sintezę ir atpažinimą, siekiant pasiūlyti natūralesnę, išraiškingesnę balso generavimo galimybę ir kartu patobulinti balso atpažinimą. Šis pasiekimas turėtų pagerinti virtualius asistentus, klientų aptarnavimo robotus ir balso valdomas programas, padarant jų sąveikas sklandesnes ir žmogui artimesnes. Trečiasis modelis dėmesį skiria vaizdo generavimui, pasitelkdamas pažangias mašinų mokymosi ir generatyvių algoritmų technologijas kurti realistiškus ir inovatyvius vaizdus iš teksto ar kitų įvesties duomenų.

Ši galimybė naudinga kūrybiniams specialistams, turinio kūrėjams ir programuotojams, padedanti viešinti vizualinius išteklius ir galimai pakeisti dizaino bei multimedijos darbus bei procesus. Šie pagrindiniai DI modeliai demonstruoja „Microsoft“ įsipareigojimą diegti integruotus ir vientisus DI sprendimus plačiam klientų ratui. Juos kuriant vidiniai technologijų kūrimas leidžia „Microsoft“ geriau kontroliuoti DI įrankius, integruotus į jų produktus ir paslaugas, įskaitant „Office“ programas, debesijos paslaugą „Azure“ ir platesnį ekosistemą. Be to, ši strategija pabrėžia „Microsoft“ atsakomąjį požiūrį į etišką DI plėtrą – taikant griežtas etikos normas, privatumo apsaugą ir kokybės kontrolę, kad DI sprendimai atitiktų įmonės principus ir vartotojų lūkesčius. Pramonės analitikai laiko „Microsoft“ žingsnį strateginiu žingsniu, kuris gali paskatinti inovacijas DI srityje ir suteikti konkurencinį pranašumą sparčiai augančioje rinkoje. Gebėjimas pritaikyti DI modelius konkrečioms verslo reikmėms, išlaikant skalę ir saugumą, tikėtina, pritrauks naujus klientus ir stiprins esamus partnerystės ryšius. Be to, šie pagrindiniai modeliai gali sustiprinti „Microsoft“ poziciją tokiose augančiose srityse kaip papildyta realybė, individualizuotas mokymasis ir išmanioji automatizacija, prisidedant prie protingesnių ir intuityvesnių naudotojo patirčių, pasitelkiant pažangias transkripcijos, balso ir vaizdo generavimo technologijas. Apibendrinant, „Microsoft“ pristatymas trijų naujų vidinių pagrindinių DI modelių, skirtų transkripcijai, balso ir vaizdo generavimui, yra esminis žingsnis jų DI kelionėje. Šis iniciatyva pabrėžia „Microsoft“ dėmesį inovacijoms, nepriklausomybei ir pažangių, integruotų DI sprendimų teikimui, pritaikytų nuolat kintančioms globalių klientų reikmėms. Tai ne tik sustiprina „Microsoft“ lyderystę DI srityje, bet ir sudaro pagrindą būsimoms pažangoms, kurios formuos industrijos raidą ateinančiais metais.