Microsoft, sesli ajanlar için yeni yazıya dökme ve ses modelleri yayımladı

Microsoft AI, gerçek zamanlı yazıya dökme için MAI-Transcribe-2-Streaming modelini yayımladı. Şirkete göre model, Artificial Analysis doğruluk sıralamasında birinci. 60 dili yazıya döken model ilk kısmi sonucu 100 milisaniyenin biraz üzerinde veriyor; Microsoft bunun, sesli ajanların konuşan kişi cümlesini bitirmeden yanıt vermeye başlamasını sağladığını söylüyor. Yıl sonuna kadar geçerli tanıtım fiyatı saatlik ses için 0,54 dolar. Şirket ayrıca iki metinden sese modeli çıkardı. MAI-Voice-2.1 aynı sesi 23 dilde, her birinde yerel aksanla konuşturmak için tasarlandı. Flash sürümü 150 milisaniye gecikmeyle çalışıyor ve milyon karakter başına 22 yerine 15 dolar tutuyor. İki ses modeli de birkaç saniyelik kayıttan ses kopyalayabiliyor; kötüye kullanıma karşı yerleşik önlemler bulunduğu belirtiliyor. 4.000 katılımcılı bir testte katılımcıların yaklaşık yarısı sesleri gerçek bir insana ait sandı.