Microsoft ने नई मॉडल्स के साथ रीयल‑टाइम ट्रांसक्रिप्शन और स्पीच आउटपुट जारी किया

Microsoft ने MAI‑Transcribe‑2‑Streaming नामक एक नया मॉडल जारी किया है जो रीयल‑टाइम ट्रांसक्रिप्शन करता है। यह मॉडल 60 भाषाओं को ट्रांसक्राइब करता है और लगभग 100 मिलीसेकंड के बाद प्रारंभिक परिणाम देता है, जिससे वॉयस एजेंट एक वाक्य के दौरान ही प्रतिक्रिया दे सकते हैं।

इसके अलावा, दो नए स्पीच आउटपुट मॉडल भी उपलब्ध हैं: MAI‑Voice‑2.1 23 भाषाओं में एक ही आवाज़ और मूलभूत उच्चारण के साथ बोलता है, जबकि MAI‑Voice‑2.1‑Flash 150 मिलीसेकंड की विलंबता के साथ काम करता है। दोनों मॉडल कुछ सेकंड के संदर्भ ऑडियो से आवाज़ क्लोन कर सकते हैं और दुरुपयोग रोकने के लिए सुरक्षा तंत्र शामिल हैं।