Microsoft lanza nuevos modelos de IA para voz, imagen y transcripción: así funcionan
Redacción Teleprónter 
Microsoft presentó una nueva generación de modelos de inteligencia artificial diseñados para tareas de voz, imagen y transcripción, que ya están disponibles para desarrolladores a través de su plataforma Foundry. La compañía busca ampliar el acceso a herramientas avanzadas con mejoras en rendimiento, سرعة y precios más competitivos dentro del mercado tecnológico.
El anuncio incluye tres modelos principales: MAI-Transcribe-1, MAI-Voice-1 y MAI-Image-2. Cada uno responde a necesidades específicas dentro del desarrollo de aplicaciones basadas en inteligencia artificial, desde convertir audio en texto hasta generar imágenes o voces sintéticas con alto nivel de realismo.
MAI-Transcribe-1 está orientado a la transcripción de voz a texto en 25 idiomas. Según la información entregada por la compañía, este modelo logra mayor precisión en comparación con estándares actuales y ofrece una velocidad de procesamiento por lotes hasta 2,5 veces superior frente a soluciones previas.
Además, fue diseñado para funcionar en entornos con ruido o condiciones menos controladas, lo que amplía sus usos en contextos reales.
Leer más: ¿Cómo crear videos gratis con IA en Google? Guía fácil paso a paso
Por su parte, MAI-Voice-1 se enfoca en la generación de voz sintética con características más naturales. El sistema puede recrear matices emocionales y mantener la identidad del hablante incluso en audios extensos. Una de sus funciones destacadas permite crear voces personalizadas a partir de unos segundos de grabación, lo que abre la puerta a nuevas aplicaciones en asistentes virtuales, contenido digital y experiencias interactivas.
MAI-Image-2 completa el paquete con un modelo de generación de imágenes optimizado para velocidad y calidad. Está pensado para usos creativos y profesionales, con especial atención en detalles como iluminación, texturas y representación del texto dentro de las imágenes. Empresas del sector publicitario ya han comenzado a utilizarlo en procesos de producción visual.
Acceso abierto para desarrolladores
Los tres modelos están disponibles en Microsoft Foundry, una plataforma que permite a desarrolladores integrar inteligencia artificial en sus proyectos. También pueden probarse en el entorno MAI Playground, aunque este último tiene disponibilidad limitada en ciertas regiones.
El acceso se realiza mediante registro en la plataforma o a través de formularios de contacto para quienes aún no cuentan con habilitación directa. La compañía indicó que los modelos incluyen controles de seguridad, herramientas de gobernanza y mecanismos de supervisión pensados para implementaciones empresariales.
Leer más. Guía completa para crear cuentas de WhatsApp supervisadas para niños
En cuanto a costos, Microsoft informó que los precios varían según el tipo de uso: desde tarifas por hora en el caso de transcripción, hasta cobros por volumen de caracteres o tokens en voz e imagen. La estrategia apunta a ofrecer soluciones de alto rendimiento con una estructura de costos más accesible frente a otros proveedores del sector.
La empresa también señaló que estos desarrollos forman parte de su apuesta por una inteligencia artificial centrada en el uso práctico y la interacción humana, con énfasis en aplicaciones reales y escalables.
Acerca del autor
Juan Carlos Vallejo