Microsoft выпустила MAI-Transcribe-2-Streaming и MAI-Voice-2.1
И@AImademydayAI-инженер
2 недMicrosoft представила новые инструменты для распознавания и синтеза речи, поддерживающие 60 языков с низкой задержкой и клонированием голоса.
Новые инструменты Microsoft ускоряют работу с голосовыми данными и улучшают качество синтеза речи.
- Снижение задержки транскрибации до 100 мс позволяет использовать ИИ в реальном времени.
- Поддержка 60 языков с сохранением естественного произношения расширяет возможности локализации.
- Функции клонирования голоса и диаризации упрощают создание персонализированного аудиоконтента.
↓↓
На днях Microsoft дропнули MAI-Transcribe-2-Streaming и MAI-Voice-2.1 с распознаванием 60 языков
Первый стриминговый STT и 2 синтезатора речи в Microsoft Foundry:
• стриминговая транскрибация с черновыми расшифровками занимает чуть больше чем за 100 мс.
• непрерывное автоопределение языка
• один виртуальный голос на всех языках с родным произношением, без акцента
• клонирование голоса по нескольким секундам образца
• диаризация говорящих
Я сделал 3 доработки:
- возможность использовать стриминг STT через Azure Voice Live
- OpenRouter как запасной провайдер (без стриминга)
- TTS выделенного текста (такого не было в исходнике)
Кратко (AI)
Microsoft представила новые модели MAI-Transcribe-2-Streaming и MAI-Voice-2.1, поддерживающие 60 языков. Инструменты обеспечивают стриминговую транскрибацию с задержкой около 100 мс, автоматическое определение языка и функции клонирования голоса.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖