Microsoft AI rilascia MAI-Transcribe-2-Streaming e i modelli vocali MAI-Voice-2.1

Microsoft AI, la divisione che sviluppa i modelli proprietari di Microsoft, ha aggiunto tre modelli vocali alla sua offerta. Il piu interessante per chi costruisce assistenti vocali e MAI-Transcribe-2-Streaming: trascrive il parlato in tempo reale mentre la persona sta ancora parlando, invece di aspettare la fine della registrazione.

Il modello copre 60 lingue e riconosce automaticamente e in continuo la lingua parlata, utile nelle conversazioni dove si passa da una lingua all altra. Le prime parole compaiono in poco piu di un decimo di secondo. Microsoft lo posiziona al primo posto della classifica di Artificial Analysis per l accuratezza.

Insieme arrivano due modelli che fanno il contrario, cioe trasformano testo in voce: MAI-Voice-2.1, che mantiene la stessa voce in 23 lingue e puo clonarne una da pochi secondi di audio, e la variante Flash, piu rapida ed economica. Sono tutti modelli chiusi, utilizzabili via cloud.