Microsoft представила модели MAI-Transcribe-2-Streaming и MAI-Voice-2.1
MAI-Transcribe-2-Streaming расшифровывает речь в реальном времени на 60 языках и автоматически определяет язык. Первые промежуточные результаты появляются примерно через 100 мс после получения аудио. По данным Microsoft, модель заняла первое место Artificial Analysis по точности финальных и промежуточных транскриптов. Вместе с ней вышли модели синтеза речи MAI-Voice-2.1 и MAI-Voice-2.1-Flash. Они поддерживают 23 языка и 26 … Читать далее