Microsoft stellt drei eigene KI-Modelle für Sprache und Bild vor
KI-generiert mit Sora
Microsoft hat am 2. April 2026 drei hauseigene KI-Modelle der MAI-Familie veröffentlicht. Die Modelle decken Spracherkennung, Sprachsynthese und Bildgenerierung ab. Entwickelt wurden sie unter der Leitung von Mustafa Suleyman in der neu strukturierten KI-Sparte von Microsoft.
Was können die drei MAI-Modelle?
MAI-Transcribe-1 wandelt gesprochene Sprache in Text um. Laut Microsoft erreicht das Modell auf dem FLEURS-Benchmark die beste Genauigkeit unter den führenden Anbietern und unterstützt 25 Sprachen. Die GPU-Kosten sollen etwa 50 Prozent niedriger sein als bei vergleichbaren Alternativen.
MAI-Voice-1 erzeugt Sprache aus Text. Das Modell generiert laut Microsoft 60 Sekunden Audio in weniger als einer Sekunde auf einer einzelnen GPU. Zudem beherrscht es das Klonen von Stimmen aus kurzen Audioschnipseln. Der Preis liegt bei 22 US-Dollar pro Million Zeichen. Einen ähnlichen Ansatz verfolgt Voxtral TTS von Mistral.
MAI-Image-2 generiert Bilder aus Text. Das Modell zählt laut Microsoft zu den drei besten Modellfamilien auf der Arena-AI-Rangliste für Bildgenerierung. Entwickelt wurde es gemeinsam mit professionellen Fotografen. Der Fokus lag auf natürlichem Licht und realistischen Hauttönen. MAI-Image-2 soll in PowerPoint und den Bing Image Creator integriert werden.
AnzeigeWo sind die Modelle verfügbar?
Alle drei Modelle sind seit dem 2. April im MAI Playground testbar. Der Rollout über Microsoft Foundry ist für das zweite Quartal 2026 geplant.
Foundry ist die aktuelle Bezeichnung für die KI-Plattform von Microsoft. Besagte Plattform startete als Azure AI Studio, wurde 2024 zur Azure AI Foundry und Anfang 2026 zur Microsoft Foundry umbenannt.
Microsoft setzt die Modelle bereits in eigenen Produkten ein. Der Sprachmodus von Copilot nutzt MAI-Transcribe-1 für die Transkription. Die Funktion Audio Expressions läuft auf MAI-Voice-1.
Warum baut Microsoft eigene Modelle neben OpenAI?
Die Veröffentlichung ist strategisch bemerkenswert. Microsoft besitzt seit Oktober 2025 27% der OpenAI-Anteile. Die Beteiligung wird mit rund 135 Milliarden US-Dollar bewertet. Gleichzeitig bietet OpenAI mit Modellen wie GPT-5.4 eigene Lösungen für die gleichen Aufgaben an.
Mit der MAI-Familie baut Microsoft parallele Fähigkeiten auf, die unabhängig von OpenAI funktionieren. Ähnlich wie Gemini 3.1 Flash Live von Google zeigt der Schritt, dass große Technologiekonzerne ihre KI-Infrastruktur zunehmend souverän aufstellen.
Server, KI-Modelle und Recherche kosten Geld. ClawNews ist unabhängig — hilf mit, dass das so bleibt.
