مدل جدید مایکروسافت برای تبدیل لحظه ای صدا به متن با پشتیبانی از 60 زبان معرفی شد

مدل های هوش مصنوعی جدید مایکروسافت برای رونویسی بلادرنگ از صحبت های گوینده طراحی شده اند.

- مدل جدید مایکروسافت برای تبدیل لحظه ای صدا به متن با پشتیبانی از 60 زبان معرفی شد مدل های هوش مصنوعی جدید مایکروسافت برای رونویسی بلادرنگ از صحبت های گوینده طراحی شده اند.

مایکروسافت ماه گذشته MAI-Transcribe-2 را معرفی کرد که در آزمایش های این شرکت توانست عملکرد بهتری از مدل های رقیب OpenAI و گوگل در زمینه رونویسی ارائه دهد و هزینه استفاده از آن تنها 0.

10 دلار به ازای هر ساعت بود.

  به گزارش دیجیاتو، این غول فناوری حالا مدل هوش مصنوعی صوتی MAI-Transcribe-2-Streaming را معرفی کرد؛ در کنار آن دو مدل جدید دیگر نیز معرفی شدند: MAI-Voice-2.

1 و MAI-Voice-2.

1-Flash.

این مدل های جدید برای همکاری با یکدیگر و کارکرد به عنوان دستیارهای صوتی مکالمه ای با تأخیر بسیار کم طراحی شده اند.

مدل جدید صوتی مایکروسافت برای تبدیل صدا به متن برخلاف MAI-Transcribe-2 که فقط فایل های صوتی ضبط شده را پردازش می کند، مدل MAI-Transcribe-2-Streaming برای کاربردهای بلادرنگ طراحی شده است.

این مدل به جای اینکه تا پایان صحبت گوینده منتظر بماند و سپس متن را ارائه کند، کمی بیش از 100 میلی ثانیه پس از دریافت صدا شروع به تولید بخش های اولیه متن می کند.