Microsoft、自社 AI モデル群「MAI」を公開――画像・音声・文字起こし分野で OpenAI 依存を削減へ

概要

※本記事は公開情報をもとに編集部が再構成したサマリです。一次情報は出典欄をご参照ください。

Microsoft は 2026 年 5 月、自社開発 AI モデルのファミリーブランド「MAI（Microsoft AI）」を発表した。画像生成領域の「MAI-Image 2.5」、音声合成領域の「MAI-Voice 2」、音声文字起こし領域の「MAI-Transcribe 1.5」の 3 モデルで構成される。これらは Microsoft 365・Copilot・Azure AI サービスに順次統合される予定で、画像・音声系ワークロードにおける OpenAI モデル（DALL-E・Whisper・TTS）の置き換えを進める組織的な戦略転換を意味する。

事実のポイント

• MAI-Image 2.5: 画像生成モデル。Designer・Bing Image Creator に統合予定
• MAI-Voice 2: テキスト読み上げ（TTS）・音声合成モデル。Teams・Edge の音声機能に統合
• MAI-Transcribe 1.5: 音声文字起こしモデル。Teams 会議の文字起こし・リアルタイム翻訳に活用
• 3 モデルは Azure AI Foundry 経由で API 提供も予定
• Project Polaris（コーディング AI）と合わせ、Microsoft の主要 AI ワークロードを自社モデルで賄う長期計画が明確になった

用語・背景の補足

MAI（Microsoft AI）: Microsoft が独自開発した AI モデル群のブランド名。Google が Gemini、Meta が Llama を自社製品に統合するのと同様に、Microsoft も OpenAI への依存度を下げながら AI コスト構造を最適化する動きを加速している。

注意点

• 各 MAI モデルの性能ベンチマークと OpenAI 対応モデルとの比較はまだ公開情報が限られている
• 既存の Azure OpenAI Service を使って構築したアプリケーションへの影響は今後明らかになる
• OpenAI との独占契約の範囲・更新条件次第で統合スケジュールが変わる可能性がある

編集部見解

（追記予定）