Microsoft 於 2026 年 4 月 2 日宣布，在其 Azure AI Foundry 平台上推出三款全新的多模態 AI（MAI）模型，旨在為企業提供更全面的 AI 解決方案，補足語音、轉錄和圖像生成等關鍵能力。這三款模型分別是針對語音識別和合成的「Azure Speech MAI」、專注於高精度語音轉錄的「Azure Transcription MAI」，以及具備強大圖像生成與編輯能力的「Azure Image MAI」[1]。
多模態 AI 的戰略意義
Microsoft 此次發布的 MAI 模型，反映了其在企業級 AI 領域的戰略布局。隨著 AI 技術的發展，單一模態的 AI 模型已無法滿足企業日益複雜的需求。多模態 AI 能夠整合處理文本、語音、圖像等多種數據類型，從而實現更智能、更自然的交互和更高效的業務流程 [1]。
Azure AI Foundry 作為一個開放且靈活的 AI 開發平台，通過引入這些 MAI 模型，將進一步降低企業開發和部署多模態 AI 應用的門檻。企業可以利用這些預訓練模型，結合自身的數據進行微調，快速構建出符合特定業務場景的 AI 解決方案，例如智能客服、內容創作、市場營銷分析等 [1]。
模型詳情與應用場景
- Azure Speech MAI： 該模型在語音識別和語音合成方面表現出色，支持多種語言和方言。企業可以利用它來開發智能語音助手、自動語音應答系統（IVR）以及實時語音翻譯等應用。
- Azure Transcription MAI： 專為高精度語音轉錄設計，能夠處理複雜的音頻環境，並提供精確的文本輸出。這對於需要將大量語音數據轉換為文本進行分析的行業（如法律、醫療、媒體）具有重要價值。
- Azure Image MAI： 具備強大的圖像生成、編輯和理解能力。企業可以利用它來自動生成營銷圖片、產品設計圖，或者對現有圖像進行智能編輯和優化，大幅提升內容創作效率 [1]。
對香港 AI 發展的啟示
對於香港的企業而言，Microsoft Azure AI Foundry 上的這些新 MAI 模型提供了豐富的工具和資源，有助於加速其數字化轉型和 AI 應用落地。香港企業可以藉此機會，探索將多模態 AI 整合到客戶服務、市場推廣、內部協作等各個環節，提升競爭力 [1]。
同時，這也提醒香港的 AI 產業，應更加關注多模態 AI 的發展趨勢，加強相關技術研發和人才培養，以應對未來 AI 市場的挑戰和機遇 [1]。