Microsoft MAIでできることまとめ：音声の文字起こしに強いMicrosoft自社製AI
30秒でわかる
- 特に音声の文字起こし（音声認識）に強い。多言語・高速・低価格をうたうMAI-Transcribe-2が代表
- Microsoft MAIは、Microsoftが自社で開発するAIモデル群（音声認識・音声合成・対話などをそろえる）
- Microsoft FoundryなどからAPIで利用できる。※対応環境・料金は公式で確認
何が変わった
「Microsoft MAI」は、Microsoft AI（社内のAI開発部門）が自社で作るAIモデルのまとまりを指します。特に話し言葉を文字に起こす音声認識に強く、多言語対応で速く安いことをうたう「MAI-Transcribe-2」が代表例です。ほかに、文章から音声を作る音声合成の「MAI-Voice」、チャットなどに使う対話モデル「MAI-1」といったモデルもあります。これらはMicrosoft Foundry（Microsoftが提供するAIの利用基盤）などからAPI（外部アプリに組み込む接続口）で呼び出せます。ざっくり言うと、Microsoftが他社モデルに頼らず自前でそろえ始めたAI、という位置づけです。対応環境・料金・提供地域は変わることがあるため、公式で確認してください。
誰に関係する
音声の文字起こしや音声まわりをAIに任せたい人・開発者に向いています。議事録・字幕・アクセシビリティなどの用途で、Microsoftの基盤に組み込んで使えます。個別モデルの詳しい仕様や料金は公式で確認するのが安全です。