Microsoft AI выпустила новые модели для распознавания и синтеза речи в голосовых ИИ-агентах

Microsoft AI представила MAI-Transcribe-2-Streaming — модель для распознавания речи в реальном времени. По данным компании, она занимает первое место по точности в рейтинге Artificial Analysis, поддерживает 60 языков и выдаёт первые промежуточные результаты чуть более чем за 100 миллисекунд. Благодаря этому голосовые ИИ-агенты могут отвечать, пока собеседник ещё не закончил фразу. До конца года ознакомительная цена часа аудио составит $0,54.

👉 Читать полностью