Microsoft发布实时语音代理模型

摘要

Microsoft发布了支持60种语言实时转写的MAI-Transcribe-2-Streaming，以及语音生成模型MAI-Voice-2.1和Flash。系统在说话结束前提供临时转写，并根据后续语境修正。速度和准确率来自发布材料所引用的评测，并不代表实际工作中的生产率提升已获验证。

与我们工作的关联

缩短语音输入等待时间，可以让AI在客服或研究访谈中有更多时间查找资料和准备回答。由于临时转写可能变化，重要操作应以确认后的文本和人的意图为依据。

本文译自韩文原文。 摘要可能经过翻译和编辑。评论是我们的解读，未来预测代表来源的观点。