MAI-Transcribe-2-Streaming и MAI-Voice-2.1

Microsoft обновил речевые модели: первый потоковый транскрибатор и два синтезатора речи в Microsoft Foundry.

• Стриминговая 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

• Распознавание: 60 языков
• Синтез: 23 языка, 26 локалей
• Час транскрибации — $0.54 по акции до конца года
• Миллион знаков синтеза: $22 у основной, $15 у Flash

Доступны в Microsoft Foundry, MAI Playground, Azure Voice Live, на OpenRouter и Vercel. На Artificial Analysis потоковый транскрибатор стартовал с первого места.

#asr #tts #streaming #diarize

MAX