Microsoft представила потоковые голосовые ИИ-модели MAI в Foundry

Microsoft выпустила в Microsoft Foundry три голосовые модели: MAI-Transcribe-2-Streaming распознаёт речь почти в реальном времени, MAI-Voice-2.1 и MAI-Voice-2.1-Flash синтезируют многоязычную речь. Транскрибация выдаёт первые гипотезы за сотни миллисекунд и заняла первое место в рейтинге Artificial Analysis.

• MAI-Transcribe-2-Streaming выдаёт первые гипотезы за сотни миллисекунд
• Модель заняла 1-е место по точности в Artificial Analysis
• MAI-Voice-2.1 — выразительная многоязычная TTS-модель
• MAI-Voice-2.1-Flash оптимизирована для массовых голосовых сервисов