Newsletter Subscribe
Enter your email address below and subscribe to our newsletter
[forminator_form id="25163"]

x.microsoft.247wallst.Microsoft gaf út þrjú eigin gervigreindarlíkön fyrir umritun og tal á fimmtudag. Fyrirtækið er að þróa meira af eigin gervigreindartækni í þeirri viðleitni að laða að forritara sem smíða samræðumiðaða talmenn.
Microsoft AI tilkynnti um MAI-Transcribe-2-Streaming, MAI-Voice-2.1 og MAI-Voice-2.1-Flash á X og sagði að öll þrjú væru „aðgengileg í dag.“ Fyrirtækið lýsti útgáfunni sem „nákvæmri streymisumritun“ með „eðlilegu tali og minni bið á milli skipta.“x
MAI-Transcribe-2-Streaming er fyrsta streymisumritunarlíkan Microsoft, samkvæmt bloggfærslu frá Microsoft AI. Það breytir tali í texta jafnóðum og fólk talar, í stað þess að bíða þar til upptöku lýkur. Microsoft segir að það styðji 60 tungumál og geti greint sjálfkrafa hvaða tungumál er talað, jafnvel þótt það breytist í miðju samtali. Kynningarverð líkansins er 0,54 dollarar á hverja hljóðklukkustund.seekingalpha+1
Líkanið raðaðist í fyrsta sæti á AA-WER streymisviðmiðunarprófi Artificial Analysis, sem mælir villuhlutfall í orðum. Það var í efsta sæti fyrir bæði nákvæmni lokaumritunar og nákvæmni fyrsta hluta umritunar, með 2,5% villuhlutfalli, samkvæmt 24/7 Wall St. sem vísar í greiningarfyrirtækið. Microsoft segir einnig að líkanið hafi komið beint í fyrsta sæti hjá Artificial Analysis.microsoft+1
Nýja líkanið bætist við MAI-Transcribe-2, sem skjöl Microsoft kalla „næstu kynslóðar tal-í-texta líkan smíðað af Microsoft AI teyminu.“ Forritarar gátu þegar notað það líkan í gegnum talþjónustu Azure.learn.microsoft
Microsoft segir að MAI-Voice-2.1 framleiði „svipmikið tal með lítilli töf“ sem haldist stöðugt yfir langa texta. Í lista OpenRouter yfir líkön er MAI-Voice-2.1 kallað hæsta gæðaflokks texta-í-tal líkan Microsoft AI og sagt virka á 23 tungumálum. MAI-Voice-2.1-Flash er léttari útgáfa hönnuð fyrir hraða. Bæði talmódelin og streymisumritarinn eru aðgengileg í gegnum AI Gateway hjá Vercel á verðskrá Microsoft.daily+3
Útgáfan er nýjasta viðbótin við MAI-fjölskyldu líkana frá Microsoft AI, sama hópsins og stóð á bak við fyrri MAI-Voice og MAI-1 líkön. Í markaðsgreiningu hélt 24/7 Wall St. því fram að hvert lag gervigreindarstakkans sem Microsoft smíðar sjálft sé lag þar sem það „treystir ekki lengur á utanaðkomandi birgja.“ Miðillinn sagði að niðurstaða viðmiðunarprófsins bendi til þess að innri geta Microsoft „sé að þroskast hraðar en opinber umræða hefur gefið til kynna.“eesel+1