Microsoft AI выпустила модели для голосовых агентов: MAI-Transcribe-2-Streaming и синтез речи

Microsoft AI выпустила MAI-Transcribe-2-Streaming — модель для транскрипции аудио в реальном времени. Она предназначена для голосовых агентов и позволяет обрабатывать речь с минимальной задержкой.

Вместе с этим Microsoft обновила и модели text-to-speech, которые теперь лучше подходят для создания естественно звучащих голосовых ответов. Релиз ориентирован на разработчиков, строящих голосовые интерфейсы и ассистентов.