Microsoft shivs OpenAI avec trois nouveaux modèles d’IA pour la parole et les images

Microsoft a dévoilé jeudi des versions préliminaires publiques de trois modèles d’apprentissage automatique maison axés sur la reconnaissance vocale, la synthèse vocale et la génération d’images.

Cette publication fait ressembler le secteur Windows davantage à un concurrent direct d’OpenAI qu’à un investisseur – Redmond détenait une participation dans OpenAI évaluée à environ 135 milliards de dollars en octobre dernier.

Les modèles incluent : MAI-Transcribe-1, un modèle de reconnaissance vocale qui offre « une précision de niveau entreprise dans 25 langues à un coût GPU environ 50 % inférieur à celui des principales alternatives » ; MAI-Voice-1, un modèle de génération vocale censé produire 60 secondes d’audio en moins d’une seconde sur un seul GPU ; et MAI-Image-2, un modèle de conversion texte-image, pour aggraver le désespoir des artistes numériques.

Il se trouve qu’OpenAI propose ses propres modèles de reconnaissance vocale, de génération vocale et de conversion texte-image.

Les modèles de Microsoft sont disponibles via Foundry (anciennement Azure AI Studio), une plateforme permettant de développer des agents et des applications d’IA.

Naomi Moneypenny, qui dirige l’équipe produit Microsoft Azure AI Foundry Models, a parlé des arrivées de modèles dans un article de blog.

« Ce sont les mêmes modèles qui alimentent déjà nos propres produits tels que Copilot, Bing, PowerPoint et Azure Speech, et ils sont désormais disponibles exclusivement sur Foundry pour les développeurs », a-t-elle écrit.

Les modèles semblent bien adaptés aux cas d’utilisation courants en entreprise, tels que la conception d’agents de support client capables de reconnaître la parole et de générer une réponse. Moneypenny suggère que les modèles seraient également utiles pour fournir des sous-titres lors d’événements et de réunions de grande envergure, pour le sous-titrage et l’archivage des médias, pour l’éducation et la formation, et pour recueillir des informations sur les clients et le marché à partir de groupes de discussion, par exemple.

Microsoft consomme déjà sa propre nourriture pour chiens ici – les expressions audio de Copilot fonctionnent sur MAI-Voice-1 tandis que le service de transcription en mode vocal de Copilot utilise MAI-Transcribe-1.

Les développeurs peuvent essayer ces deux modèles via Azure Speech.

Lorsque Microsoft a annoncé avoir renégocié son accord avec OpenAI, le secteur Windows a indiqué que le partenariat se poursuivrait au moins jusqu’en 2032 – un scénario qui ne suppose pas d’implosion du marché de l’IA. Mais cela a également mis en lumière des domaines de concurrence. « Microsoft peut désormais poursuivre de manière indépendante l’AGI (intelligence générale artificielle), seul ou en partenariat avec des tiers », avait alors déclaré la société. Cette déclaration à elle seule permet à Microsoft de suivre sa propre voie en matière d’IA sous le couvert de la recherche AGI.

Microsoft est incité à couvrir ses paris. Ses liens avec OpenAI se sont révélés tendus en janvier lorsque les investisseurs de Microsoft ont fait part de leur mécontentement quant à l’exposition de l’entreprise aux dépenses considérables d’OpenAI. Le leader de l’IA brûle de l’argent et devrait perdre 14 milliards de dollars cette année, selon les projections internes publiées par The Information. Un effort interne visant à rationaliser son attention sur les clients d’entreprise serait en cours, et il a supprimé son générateur vidéo d’incinération de jetons mais pas particulièrement utile, Sora 2, à la fin du mois dernier.

Il y a deux semaines, le PDG de Microsoft, Satya Nadella, a annoncé des changements de direction affectant les produits Copilot et les efforts de superintelligence de l’entreprise. Jacob Andreou a été choisi pour diriger l’expérience Copilot de l’entreprise en tant que vice-président exécutif des produits Microsoft grand public et commerciaux, relevant directement de Nadella. Copilot se concentre désormais sur quatre domaines : l’expérience Copilot, la plateforme Copilot, les applications Microsoft 365 et les modèles d’IA.

Vraisemblablement, la mission d’Andreou en matière de modèle d’IA ne consiste pas simplement à vérifier auprès d’OpenAI pour voir quels modèles sont disponibles. Et si les ambitions de Microsoft en matière de modèle étaient suffisamment évidentes, Nadella a déclaré que Mustafa Suleyman continuerait à diriger la recherche sur l’IA de Microsoft – ce qui est totalement inutile si votre ambition est de rester dépendant d’OpenAI. ®