Microsoft

Microsoft-Decision-1 — это небольшая модель, созданная для быстрого принятия решений. Вместо генерации текста она читает предоставленный контент и возвращает калиброванную вероятность для каждого фиксированного варианта ответа, поэтому ответ несёт собственную уверенность и может определять, когда приложение действует, откладывает действие или запрашивает проверку. Она дообучена на основе Qwen3.5-9B для однопроходного скоринга и подходит для классификации, маршрутизации, приоритизации, верификации, управления рабочими процессами, защитных ограничений агентов и оценки AI. Она не предназначена для открытой генерации, диалога, перевода или суммаризации. Веса постоянно обновляются, в то время как форма API остаётся неизменной. Подробнее в анонсе Microsoft: https://commandline.microsoft.com/microsoft-decision-1-model-foundry/

MAI-Voice-2.1-Flash — это модель синтеза речи из текста с низкой задержкой от Microsoft AI, оптимизированная для работы в реальном времени. Она обеспечивает естественную и выразительную речь на 23 языках, с интонацией, ритмом и эмоциональными нюансами, близкими к человеческим. Модель подходит для голосовых агентов, ассистентов, колл-центров и других интерактивных приложений, где важнее всего задержка и стоимость. На OpenRouter задайте voice как полный голос ID с суффиксом модели, например "en-US-Harper:MAI-Voice-2.1-Flash". Локаль голоса определяет язык синтеза. Установите response_format в "mp3" или "pcm" (24 kHz моно). Harper и Grant поддерживают стили речи agent, customer-call-center, educational и narrator, а многие локализованные голоса добавляют эмоциональные стили, такие как excited, happy, sad и whispering. Полный список голосов приведён в поле supported_voices в моделях API. См. руководство по синтезу речи.

MAI-Voice-2.1 — это модель преобразования текста в речь с максимальной точностью воспроизведения и выразительностью от Microsoft AI. Она создаёт естественную речь студийного качества на 23 языках, обеспечивая детальную просодию, нюансированную выразительность и стабильность голоса при генерации длинного контента. Модель подходит для аудиокниг, подкастов, лекций, озвучивания и брендового аудио, где важна максимальное качество голоса. Модель ставит естественность и выразительность выше генерации, критичной к задержке. На OpenRouter задайте для voice полный голос ID с суффиксом модели, например "en-US-Harper:MAI-Voice-2.1". Локаль голоса определяет язык синтеза. Установите response_format в значение "mp3" или "pcm" (24 kHz моно). Harper и Grant поддерживают стили речи agent, customer-call-center, educational и narrator, а многие локализованные голоса добавляют эмоциональные стили, такие как excited, happy, sad и whispering. Полный список голосов приведён в поле supported_voices в модели API. См. руководство по преобразованию текста в речь.

MAI-Image-2.6 — это модель генерации и редактирования изображений от Microsoft AI, точного уровня семейства MAI-Image-2.6 наряду с более быстрой MAI-Image-2.6 Flash. Она подходит для визуалов, готовых к дизайну, и контролируемого итеративного редактирования, и особенно сильна в многореференсном редактировании, которое объединяет людей, продукты, стили и сцены из до пяти входных изображений, сохраняя композицию, стиль и детали. Соотношение сторон можно зафиксировать или оставить на усмотрение модели для композиции.

MAI-Image-2.6 Flash — это модель с более низкой задержкой и меньшей стоимостью из семейства MAI-Image-2.6 от Microsoft AI, созданная для чувствительной к задержке и высокопроизводительной промышленной генерации и редактирования изображений с качеством, сопоставимым с уровнем точности. Она поддерживает то же многоэталонное редактирование с использованием до пяти входных изображений и те же фиксированные или выбираемые моделью соотношения сторон.

MAI-Transcribe 2 — это многоязычная модель преобразования речи в текст от Microsoft AI, занимающая #1 место в многоязычном бенчмарке FLEURS. Она поддерживает 60 языков с автоматическим определением языка, переключение кодов для смешанной речи, диаризацию говорящих, метки времени на уровне слов, смещение ключевых слов для доменной терминологии, а также настраиваемые стили транскрипции: дословный или очищенный. Модель подходит для субтитров, транскрибации звонков, создания субтитров, обеспечения доступности и других голосовых приложений, работая быстрее, чем MAI-Transcribe-1.5, на длинных аудиофайлах. В OpenRouter установите response_format на "verbose_json" для временных меток сегментов и добавьте timestamp_granularities: ["word"] для меток времени на уровне слов. Установите provider.options.azure.diarization.enabled на true для меток говорящих, укажите ключевые слова через provider.options.azure.phraseList.phrases и выберите стиль транскрипции через provider.options.azure.enhancedMode.modelOptions.transcribeStyle. Подробности см. в руководстве по преобразованию речи в текст.

Microsoft Модель AI — высококачественная модель генерации изображений, доступная через Azure AI Foundry. Она создает фотореалистичные и художественные изображения по текстовым запросам с поддержкой различных соотношений сторон MAI-Image-2.5.

MAI-Voice-2-Flash — это модель преобразования текста в речь с низкой задержкой от Microsoft AI для голосовых агентов, ассистентов, колл-центров, обеспечения доступности, озвучивания и других интерактивных приложений. Она создаёт выразительную 24 kHz монофоническую речь на 15 языках и 18 локалях, обеспечивая точный контроль тона и подачи. Голосовое промптирование и клонирование требуют Microsoft AI-approved доступа и соответствующего согласия говорящего.

MAI-Voice-2 — это выразительная модель преобразования текста в речь от Microsoft AI. Она подходит для разговорных ассистентов, озвучивания медиа, доступности, образования и других голосовых приложений с длинными текстами. Модель поддерживает 15 языков в 18 локалях, обеспечивает точный контроль тона и подачи, генерацию нескольких говорящих и голосовой промптинг на основе коротких аудиофрагментов без тонкой настройки. Модель отдаёт приоритет естественности и выразительности, а не генерации с минимальной задержкой.

MAI-Transcribe 1.5 — это многоязычная модель преобразования речи в текст от Microsoft AI. Она подходит для субтитров, транскрибации звонков, создания субтитров, обеспечения доступности и других голосовых приложений, обеспечивая надежную транскрибацию на 43 языках, различных акцентах и зашумленном реальном аудио. Она поддерживает автоматическое определение языка и смещение ключевых слов для доменной терминологии, а также повышает скорость транскрибации длинных аудио по сравнению с MAI-Transcribe-1. Диаризация говорящих не поддерживается.

Microsoft AI's MAI-Image-2.5 — это высококачественная модель генерации изображений, доступная через Azure AI Foundry. Она создаёт фотореалистичные и художественные изображения по текстовым запросам с поддержкой различных соотношений сторон.

Microsoft Research Phi-4 разработана для достижения высоких результатов в сложных задачах рассуждения и может эффективно работать в условиях ограниченной памяти или когда требуются быстрые ответы. Модель с 14 миллиардами параметров была обучена на смеси высококачественных синтетических наборов данных, данных с курируемых веб-сайтов и академических материалов. Она прошла тщательную доработку, чтобы точно следовать инструкциям и поддерживать высокие стандарты безопасности. Она лучше всего работает с входными данными на английском языке. Для получения дополнительной информации см. Phi-4 Technical Report

WizardLM-2 8x22B — самая продвинутая модель Microsoft AI. Она демонстрирует высокую конкурентоспособность по сравнению с ведущими проприетарными моделями и стабильно превосходит все существующие открытые модели. Это инструктивная тонкая настройка Mixtral 8x22B. Подробнее о выпуске модели читайте здесь. moe