مایکروسافت با مدل صوتی جدید رکورد سرعت و دقت هوش مصنوعی را شکست

مایکروسافت از مدل پیشرفته‌ی MAI-Transcribe-2-Streaming برای پردازش صوت رونمایی کرد. این مدل در بنچمارک AA-WER Streaming موفق شد با ثبت نرخ خطای کلمه‌ای ۲٫۵ درصد و زمان پاسخ‌دهی ۰٫۱۳ ثانیه، جایگاه نخست را میان ۳۸ مدل رقیب کسب کند.

مدل جدید ردموندی‌ها توانست Grok Voice Transcribe 2.0 متعلق به SpaceXAI را با نرخ خطای ۲٫۷ درصد و تاخیر ۰٫۴۹ ثانیه پشت سر بگذارد. هزینه استفاده از قابلیت بلادرنگ این سرویس ۹ دلار به‌ازای هر ۱٬۰۰۰ دقیقه تعیین شده است. توسعه‌دهندگان می‌توانند نسخه معمولی MAI-Transcribe-2 را با قیمت اقتصادی ۱٫۶۷ دلار برای هر ۱٬۰۰۰ دقیقه تهیه کنند.

🤖 در زومیت بخوانید

🆔 @thezoomit