微软推出实时转录与语音合成模型MAI-Transcribe-2-Streaming 流式识别榜单排名第一
微软推出三款面向实时语音交互的新模型，分别是语音转文字模型MAI-Transcribe-2-Streaming，以及文本转语音模型MAI-Voice-2.1和MAI-Voice-2.1-Flash。微软希望开发者将它们组合起来，构建能够边听边处理、再以自然语音即时回应的语音助手和对话代理。