Модель MAI-Transcribe-2-Streaming транскрибирует 60 языков и выдает первые результаты за 100+ мс. Новые текстово-речевые модели MAI-Voice-2.1 и MAI-Voice-2.1-Flash говорят на 23 языках с нативным акцентом, а их задержка составляет 150 мс. Обе голосовые модели могут клонировать голос по нескольким секундам аудио.
Microsoft AI выпустила модели для транскрибирования и синтеза речи
Источник: the-decoder.com
Открыть в ArenaPulse