Microsoft 開源 VibeVoice-ASR:單次轉錄 60 分鐘音訊,自帶說話人識別
Microsoft 在 Hugging Face 開源語音識別模型 VibeVoice-ASR。它能在 64K 長度內一次性處理長達 60 分鐘的連續音訊而無需切片,同步輸出說話人、時間戳與轉錄文本,同時支援自定義熱詞和 50 多種語言的混說轉錄。
Microsoft 在 Hugging Face 開源語音識別模型 VibeVoice-ASR。它能在 64K 長度內一次性處理長達 60 分鐘的連續音訊而無需切片,同步輸出說話人、時間戳與轉錄文本,同時支援自定義熱詞和 50 多種語言的混說轉錄。
微軟與 OpenAI 聯合發聲,回應外界對雙方關係的猜測。宣告強調,儘管 OpenAI 宣佈了新融資以及與亞馬遜的合作,微軟仍保留 OpenAI 模型獨家 IP 授權,無狀態 API 也繼續獨家由 Azure 提供,分成機制和 AGI 判定標準全都不變。
Microsoft 推出 Copilot Tasks 研究預覽版,推動 AI 助理從問答轉向替使用者跑腿。它能自主操作瀏覽器並協調不同應用,處理日常重複事項、預約、購物與文件生成,遇花錢等操作會先徵得同意。目前僅小範圍測試,數週內逐步鋪開。
Microsoft 報告披露,不少網站的「AI 總結」按鈕暗藏指令,誘導 Copilot 和 ChatGPT 將特定品牌永久存入記憶並設為「可信來源」。這種「AI 推薦投毒」已被 31 家正規企業用於塞廣告。微軟建議定期檢查並清理助手記憶。
據《金融時報》報道,微軟 AI 負責人 Mustafa Suleyman 預測,未來 12 到 18 個月內 AI 將在多數專業工作上達到人類水平,律師、會計等白領任務大部分將被完全自動化。他指出,軟體工程領域已率先出現這種轉變,大部分程式碼生產已由 AI 輔助完成。
微軟推出出版商內容市場(PCM),搭建媒體與 AI 開發者的授權平臺。AI 廠商能直接採買付費牆內的優質內容來提升回答準確度,出版商則自主制定條款並按使用價值分成。美聯社、康泰納仕等媒體已率先加入測試。
Yahoo 推出專有 AI 回答引擎 Yahoo Scout 並開啟公測。它以 Anthropic 的 Claude 為主要底模,結合微軟 Bing API 檢索開放網路,直接生成結構化回答。目前該功能已面向美國近 2.5 億使用者開放,並整合進雅虎財經、新聞及購物等業務。
微軟釋出專為大模型推理設計的自研晶片 Maia 200。它採用台積電 3nm 工藝,單位成本效能比現有硬體高出 30%,FP4 效能達到亞馬遜 Trainium 3 的 3 倍。晶片已部署在愛荷華州資料中心,將用於支援 GPT-5.2 與 Copilot 等服務。
Adobe 為 Acrobat Studio 推出新 AI 功能,能把長報告等 PDF 直接轉成播客音訊或簡報。使用者還能通過文字指令直接增刪頁面、簽名和修改文字。目前音訊總結底層使用了微軟與 Google 的模型,類似 NotebookLM 的音訊概覽。
本週在達沃斯世界經濟論壇上,Anthropic CEO Dario Amodei 表示,AI 可能只剩 6 到 12 個月就能端到端完成軟體工程師的大部分甚至全部工作。相比論壇通常宏泛的討論,結合 Claude Code 等工具的演進,這一時間表給全 AI 驅動編碼劃下了頗為緊迫的倒計時。
週二,據 CNBC 報道,OpenAI 正與亞馬遜洽談一項或超 100 億美元的投資協議,並計劃採用其自研 AI 晶片。在完成重組擺脫微軟算力優先權後,OpenAI 正在快速多元化算力來源;而亞馬遜也能借此擴大版圖。不過雙方談判仍在保密階段,具體細節仍有變數。
微軟團隊開源 40 億引數的 3D 生成模型 TRELLIS.2-4B。它基於 O-Voxel 稀疏體素結構,支援從單張圖片生成包含完整 PBR 材質與半透明效果的 3D 網格。在 H100 上生成 512³ 解析度資產僅需約 3 秒,執行至少需要 24GB 記憶體的 NVIDIA GPU。
美國人事管理局(OPM)推出為期兩年的「US Tech Force」人才計劃,首批擬招募 1,000 名早期職業工程師與 AI 專家。入選者將被派往國防部、國稅局等部門參與重點專案,年薪達 13 萬至 19.5 萬美元,並由微軟、Meta 等約 25 家科技企業提供導師指導。
微軟宣佈將 OpenAI 的 GPT-5.2 接入 Microsoft 365 Copilot 和 Copilot Studio。模型包含擅長複雜推理的 Thinking 和日常寫作的 Instant 兩個版本,結合 Work IQ 可跨會議與郵件提煉戰略洞察。擁有許可的使用者即日起逐步推送。
據 ADWEEK 報道,彭博媒體 COO Julia Beizer 確認將於本月離職並加盟微軟,負責統領 AI 新聞產品開發,向 Microsoft AI CEO Mustafa Suleyman 彙報。Beizer 在彭博任職八年,曾任首席產品官與首席數字官。微軟直接從頭部財經媒體挖走運營一把手,意在加速 AI 新聞產品的實際落地。
微軟開源計算機使用模型 Fara-7B。它僅 70 億引數,無需輔助功能樹,直接看螢幕截圖就能操縱鍵鼠完成填表、訂票等網頁任務。最關鍵的是它支援在 Copilot+ PC 上離線執行,兼顧了低延遲與隱私安全。
Microsoft 在 Ignite 2025 上推出 Work IQ 與 Agent 365。Work IQ 負責打通企業資料、個人習慣與工作圖譜,Agent 365 則集中管控和審計企業內的所有智慧體。Office 套件同步加入自主 Agent 模式,並接入 Anthropic 等新模型。
Anthropic 宣佈與微軟擴大合作,Claude 4.5 系列等模型在 Microsoft Foundry 開啟公測。企業可直接用已有 Azure 協議與額度部署;同時 Excel 的 Agent Mode 也接入 Claude 預覽版,支援直接生成公式與分析表格。
Microsoft 面向 Windows Insiders 推送 Copilot 應用更新,開始測試實驗性功能 Copilot Actions。它能在獨立的隔離桌面環境中執行,幫使用者整理下載資料夾、分類照片或提取 PDF 資訊。使用者能隨時檢視步驟或接管控制權,目前已面向歐洲經濟區以外的測試通道逐步推出。
Levi Strauss & Co. 宣佈與微軟合作,在 Teams 中打造統一協調的「超級智慧體」。員工只要向這一個對話入口提問,系統就會排程後臺多個專業子 Agent 處理零售及倉庫業務。老牌服裝巨頭正在把多智慧體協作搬進日常辦公。