Microsoftが画像生成AI「MAI-Image-2.5-Pro」をリリース、独自開発AIをOffice製品などに統合して他社への依存を減らす

Microsoftが画像生成AI「MAI-Image-2.5-Pro」をリリースしました。テキストからの画像生成と、画像の編集に対応しています。

Introducing MAI-Image-2.5-Pro and MAI-Voice-2-Flash | Microsoft AI
https://microsoft.ai/news/introducing-mai-image-2-5-pro-and-mai-voice-2-flash/

MAI-Image-2.5-Pro | AI Model Catalog | Microsoft Foundry Models
https://ai.azure.com/catalog/models/MAI-Image-2.5-Pro

MAI-Image-2.5-Proは2026年5月に登場したMAI-Image-2.5の品質重視版として位置付けられています。MAI-Image-2.5-Proの生成例は以下の通り。「高精細なポートレート」「正確なテキスト描画」「あいまいな指示から高品質なシーンを構成」「物質の反射や重量感を再現」といった特徴を強みとしています。

MAI-Image-2.5-Proは最大3万2000トークンのテキスト入力に対応するほか、JPEG画像とPNG画像の入力にも対応しています。出力画像の最大ピクセル数は104万8576ピクセル(1024×1024ピクセルに相当)です。また、入力プロンプトは英語に最適化されており、テキスト描画の対応言語も英語のみです。

APIの100万トークン当たりの料金はテキスト入力が5ドル(約820円)、画像入力が8ドル(約1310円)、画像出力が106ドル(約1万7360円)です。

Microsoftは2026年月に登場したMAI-Image-2.5をすでに自社製品に統合していることをアピールしています。例えば画像生成サービスのBing Image Creatorは当初はOpenAIのDALL・Eシリーズを使用していましたが、記事作成時点ではMAI-Image-2.5がデフォルトモデルとして採用されています。

PowerPointでもMAI-Image-2.5を用いた画像生成および画像編集が可能。Microsoftによると、OpenAIのGPT-Image-2と比べてコストを最大84％も削減できるそうです。

また、Microsoftは2026年6月に開発を発表していた音声合成AI「MAI-Voice-2 Flash」のパブリックプレビュー版もリリースしました。MAI-Voice-2-Flashはテキストを入力して最大45秒の音声を生成可能。対応言語は英語・イタリア語・スペイン語(メキシコ)・ヒンディー語・英語(オーストラリア)・フランス語・ドイツ語・ポルトガル語(ブラジル)・韓国語・ポルトガル語(ポルトガル)・スペイン語(スペイン)・中国語(簡体字)・トルコ語・ロシア語・タイ語・オランダ語・ルーマニア語・ハンガリー語です。

MAI-Voice-2-Flash | AI Model Catalog | Microsoft Foundry Models
https://ai.azure.com/catalog/models/MAI-Voice-2-Flash