Microsoft AI lancia nuovi modelli di trascrizione e sintesi vocale per agenti vocali
decoder ·
Microsoft AI ha presentato nuovi modelli di trascrizione e da testo a voce progettati per migliorare le capacità degli agenti vocali. L'azienda ha rilasciato MAI-Transcribe-2-Streaming, un modello di trascrizione in tempo reale che supporta 60 lingue e fornisce i primi risultati in circa 100 millisecondi. Questa bassa latenza consente agli agenti vocali di rispondere mentre gli utenti stanno ancora parlando, con un prezzo introduttivo fissato a 0,54 dollari all'ora di audio. Inoltre, Microsoft ha lanciato due nuovi modelli da testo a voce, tra cui la variante MAI-Voice-2.1, in grado di parlare 23 lingue con accenti nativi utilizzando una singola identità vocale. La versione Flash di questo modello raggiunge una latenza di 150 millisecondi e offre un costo ridotto di 15 dollari per milione di caratteri rispetto alle tariffe precedenti. Entrambi i modelli vocali dispongono di funzionalità di clonazione vocale basate su brevi campioni audio e includono salvaguardie contro l'uso improprio. Questi strumenti sono accessibili tramite Microsoft Foundry, MAI Playground e OpenRouter, con test che indicano un'elevata realismo umano.
decoder