Microsoft представила MAI-Transcribe-2-Streaming и MAI-Voice-2.1: потоковая транскрибация и новые голосовые модели.
MAI-Transcribe-2-Streaming и MAI-Voice-2.1 вышли в Microsoft Foundry. Microsoft обновила речевые модели и представила первый потоковый транскрибатор и два синтезатора речи.
Что умеют новые модели
- Потоковая транскрибация с черновыми расшифровками чуть больше чем за 100 мс.
- Непрерывное автоопределение языка.
- Один виртуальный голос на всех языках с родным произношением, без акцента.
- Клонирование голоса по нескольким секундам образца.
- Диаризация говорящих.
Языки и цены
- Распознавание: 60 языков.
- Синтез: 23 языка, 26 локалей.
- Час транскрибации до конца года стоит $0.54 по акции.
- Миллион знаков синтеза: $22 у основной модели, $15 у Flash.
Попробовать новинки можно в Microsoft Foundry, MAI Playground, Azure Voice Live, на OpenRouter и Vercel. На Artificial Analysis потоковый транскрибатор стартовал с первого места.
Ещё новости:
