MAI-Image-2.5 e MAI-Voice-2 arrivano negli strumenti Microsoft e in Foundry, rafforzando una strategia basata su modelli interni e servizi specializzati.
Microsoft sta ampliando il proprio ruolo nello sviluppo dell’intelligenza artificiale con nuovi modelli dedicati alla generazione di immagini e alla sintesi vocale. La famiglia MAI, sviluppata internamente, comprende sette modelli presentati a Build 2026 e si inserisce in una strategia che punta a scegliere tecnologie diverse in base al compito, al prodotto e al tipo di carico di lavoro.
Le novità più rilevanti per gli utenti e le aziende riguardano MAI-Image-2.5, destinato alla creazione e alla modifica di immagini, e MAI-Voice-2, progettato per trasformare testi in contenuti parlati. Entrambe le linee includono varianti Flash, orientate alle situazioni in cui velocità e volume delle elaborazioni assumono un peso particolare. La disponibilità in anteprima permette a sviluppatori e organizzazioni di provarle in Microsoft Foundry e, nel caso delle immagini, anche in alcuni prodotti destinati al lavoro quotidiano.
Una strategia fondata su modelli sviluppati internamente
La sigla MAI identifica i modelli realizzati direttamente da Microsoft AI. La scelta consente all’azienda di intervenire sull’intero ciclo di sviluppo, dall’addestramento all’integrazione nei servizi cloud e nelle applicazioni. Questo approccio affianca il catalogo di modelli disponibili attraverso l’ecosistema Microsoft, seguendo una logica definita dall’azienda come “model diverse”: ogni attività può essere indirizzata verso la tecnologia più adatta per qualità, rapidità e requisiti operativi.
Per le imprese, una piattaforma multimodello offre maggiore flessibilità nella costruzione dei flussi di lavoro. Un’applicazione può richiedere elevata fedeltà visiva, mentre un servizio vocale rivolto a molti utenti può privilegiare tempi di risposta e capacità di elaborazione. La selezione del modello diventa così una decisione progettuale, collegata alle caratteristiche concrete del servizio.
Lo sviluppo interno permette inoltre a Microsoft di coordinare più strettamente modelli, infrastruttura Azure e software. Il risultato atteso è un percorso più diretto tra ricerca e applicazioni: le capacità generative possono essere inserite in strumenti già utilizzati nelle aziende, oppure rese disponibili agli sviluppatori attraverso Foundry.
MAI-Image-2.5 entra nei flussi di lavoro visivi
MAI-Image-2.5 supporta la generazione di immagini a partire da una descrizione testuale e la trasformazione di un’immagine esistente. Quest’ultima funzione consente di fornire un contenuto visivo come base e indicare tramite testo le modifiche desiderate. La documentazione tecnica include anche MAI-Image-2.5-Flash, disponibile insieme al modello principale in anteprima su Microsoft Foundry.
L’integrazione con PowerPoint rende queste funzioni accessibili all’interno di un ambiente familiare. La generazione visiva può contribuire alla preparazione di presentazioni, materiali informativi e prime proposte grafiche, riducendo i passaggi tra applicazioni separate. Microsoft ha inoltre avviato la distribuzione della tecnologia in OneDrive, estendendo gradualmente la presenza dei modelli nei servizi dedicati a file e contenuti.
Per i professionisti creativi, il valore operativo riguarda soprattutto l’iterazione. Una prima immagine può essere prodotta da una descrizione, corretta attraverso istruzioni successive e adattata al formato richiesto. Art director e designer mantengono il controllo sulle scelte visive, mentre il modello accelera la preparazione di alternative e materiali preliminari.
Lo stesso principio interessa editori, uffici marketing e piccole imprese. Copertine provvisorie, illustrazioni per documenti e visual destinati alle presentazioni possono essere sviluppati con cicli più rapidi. La qualità finale continuerà a dipendere dalla direzione creativa, dalla coerenza con l’identità visiva e dalla revisione umana. Il modello interviene soprattutto sul tempo necessario per passare dall’idea a una proposta valutabile.
MAI-Voice-2 porta la sintesi vocale in Foundry
MAI-Voice è una famiglia di modelli neurali text-to-speech, cioè sistemi capaci di convertire un testo scritto in parlato sintetico. MAI-Voice-2 è disponibile in anteprima pubblica tramite Azure Speech negli strumenti di Microsoft Foundry. La linea comprende anche una variante Flash e nuove opzioni vocali.
Microsoft indica inoltre il supporto di oltre quindici lingue aggiuntive per MAI-Voice-2 e per la relativa variante Flash. L’estensione linguistica è particolarmente utile per le organizzazioni che producono contenuti destinati a mercati diversi e desiderano gestire le versioni audio attraverso un’infrastruttura comune.
Le applicazioni possibili comprendono la lettura di documenti, la produzione di materiali formativi e le interfacce vocali dei servizi aziendali. Nell’editoria digitale, la sintesi può essere impiegata per realizzare bozze audio da sottoporre a revisione, versioni accessibili di articoli o contenuti informativi aggiornati con frequenza. La voce sintetica diventa in questo scenario una componente del processo produttivo, da coordinare con editing, controllo della pronuncia e direzione sonora.
La disponibilità attraverso Foundry è rilevante soprattutto per gli sviluppatori. Le capacità vocali possono essere provate e integrate in applicazioni progettate intorno a esigenze specifiche, invece di restare confinate a una funzione predefinita di un singolo prodotto. Le aziende possono così valutare resa, velocità e adeguatezza linguistica sui propri materiali prima di impostare un flusso più ampio.
Prodotti pronti all’uso e piattaforme per sviluppatori
La distribuzione dei modelli segue due percorsi complementari. Le integrazioni in PowerPoint e OneDrive portano l’intelligenza artificiale vicino agli utenti che lavorano su documenti e contenuti. Microsoft Foundry offre invece un ambiente rivolto a sviluppatori e organizzazioni che intendono costruire applicazioni personalizzate.
Questa distinzione incide sul modo in cui la tecnologia viene adottata. Una funzione inserita in PowerPoint può essere utilizzata senza progettare un sistema autonomo. L’accesso tramite Foundry richiede competenze tecniche e consente un controllo più ampio sul flusso di elaborazione. Un’impresa può partire da strumenti già configurati e passare successivamente a soluzioni dedicate quando emergono esigenze di automazione, integrazione o maggiore volume.
La combinazione tra applicazioni e piattaforma cloud favorisce anche la continuità dei processi. I contenuti generati possono entrare più facilmente in presentazioni, archivi documentali e servizi aziendali. Per ottenere un vantaggio concreto occorre comunque progettare il workflow nel suo insieme: richieste ben formulate, criteri di revisione e responsabilità editoriali restano componenti essenziali.
Efficienza economica da misurare sui casi reali
I modelli interni possono offrire a Microsoft più possibilità di ottimizzare infrastruttura, prestazioni e costi di esecuzione. Per le aziende utilizzatrici, il vantaggio economico effettivo dipenderà dal modello scelto, dal volume delle richieste e dalla qualità necessaria per ciascun compito.
Un confronto attendibile richiede prove condotte sullo stesso carico di lavoro. Il costo per generazione costituisce una delle variabili insieme a latenza, numero di tentativi richiesti e tempo dedicato alla revisione. Un modello meno oneroso per singola elaborazione può produrre un beneficio limitato se richiede molte correzioni; un modello più accurato può ridurre il lavoro successivo. La valutazione deve quindi includere l’intero processo produttivo.
Che cosa implica lo stato di anteprima
MAI-Image-2.5 e MAI-Voice sono indicati nella documentazione come tecnologie in preview o public preview. Questa fase serve a sperimentare i modelli, raccogliere riscontri e preparare eventuali integrazioni. Prima di un impiego operativo su larga scala è opportuno verificare nella documentazione aggiornata disponibilità, condizioni del servizio e caratteristiche delle singole varianti.
Per aziende, editori e professionisti dei contenuti, l’anteprima è adatta alla realizzazione di progetti pilota. Si possono confrontare i risultati con gli strumenti già adottati, misurare i tempi di produzione e definire procedure di controllo. Le decisioni di lungo periodo potranno seguire quando prestazioni e condizioni commerciali saranno sufficientemente stabili.
L’evoluzione della famiglia MAI mostra una Microsoft sempre più attiva sia come piattaforma sia come sviluppatore di modelli. Immagini e voce sono due aree nelle quali l’integrazione con il software quotidiano può produrre effetti immediati: creazione più rapida dei materiali, nuove possibilità di accessibilità e automazione di attività ripetitive. La maturità di queste funzioni emergerà dall’uso concreto, dalla qualità delle integrazioni e dalla capacità di inserirle in processi professionali ben organizzati.
Fonti
- Microsoft Build 2026: Be yourself at work
- Deploy and use MAI image models in Microsoft Foundry – Microsoft Learn
- What is MAI-Voice? – Foundry Tools | Microsoft Learn
