Microsoft AI lança modelos de transcrição em tempo real e de voz para agentes de voz

A Microsoft AI lançou o MAI-Transcribe-2-Streaming, que transcreve em tempo real em 60 idiomas e devolve os primeiros resultados parciais em pouco mais de 100 milissegundos, segundo o The Decoder e o ITmedia. A empresa afirma que ele lidera em precisão na Artificial Analysis. Até o fim do ano, o preço de introdução é de US$ 0,54 por hora de áudio.

Os dois modelos de voz, MAI-Voice-2.1 (23 idiomas na mesma voz, US$ 22 por milhão de caracteres) e MAI-Voice-2.1-Flash (150 ms de latência, US$ 15 por milhão), também clonam voz com poucos segundos de áudio de referência, com salvaguardas contra mau uso. O ITmedia informa que o acesso está em prévia pública no Microsoft Foundry, e que a clonagem exige aprovação e consentimento. Os números de desempenho são da empresa.