🎙 СУБТИТРЫ ОБГОНЯЮТ ФРАЗУ Обычно субтитры плетутся за голосом, как человек с тяжёлым чемоданом. Microsoft хочет сократить эту дистанцию почти до нуля: текст начинает появляться ещё до конца фразы. 🧠 ДАВАЙ ПО ПОРЯДКУ • 🎙 Расшифровка идёт на лету MAI-Transcribe-2-Streaming не ждёт, пока человек закончит фразу. Модель сразу показывает черновой текст и уточняет его по мере поступления аудио.

• ⚡ Первые слова появляются примерно за 100 мс Это уже похоже на «говорю и вижу», а не на ожидание после отправки записи.

• 🌍 Модель понимает 60 языков Язык определяется автоматически, поэтому заранее выбирать его в настройках не нужно.

• 🥇 Точность проверили на бенчмарке По данным новости, модель заняла первое место на Artificial Analysis по качеству финальной и промежуточной расшифровки.

• 💵 Доступ уже открыт Модель работает через Microsoft Foundry и MAI Playground. До конца года обработка часа аудио стоит $0.54. 🔥 ПОЧЕМУ ЭТО ЦЕПЛЯЕТ? ▸ Агент может думать, пока вы говорите Он начинает разбирать запрос и готовить действия ещё до последней точки. Меньше пауз, в которых бот будто ушёл посоветоваться с чайником 🤖

▸ Черновик постоянно уточняется Первые слова приходят быстро, а затем модель докручивает текст с новым аудио. Это как собирать пазл, не дожидаясь последней детали 🧩

▸ Один поток заменяет языковые переключатели Автоопределение языка убирает отдельный выбор перед разговором. Особенно удобно там, где собеседники меняют язык на ходу 🌍

▸ Microsoft собирает весь голосовой контур MAI-Voice-2.1 синтезирует речь на 23 языках и в 26 локалях, а MAI-Voice-2.1-Flash рассчитана на короткое аудио с задержкой около 150 мс 🎧

▸ Появилось клонирование голоса Для копии нужны несколько секунд примера. Microsoft также заявляет consent guardrails против злоупотреблений — полезный ремень безопасности для технологии, которая легко уезжает не туда 🛡️ 💼 КАК НА ЭТОМ ЗАРАБАТЫВАТЬ? ▸ Саппорт ответит без театральной паузы Пока клиент объясняет проблему, агент уже может искать ответ в базе, выбирать маршрут обращения или готовить вызов API 📞

▸ Созвоны получат живые субтитры На вебинаре, уроке или стриме текст появляется почти одновременно с речью. Но промежуточная версия ещё может меняться, поэтому для протокола лучше дождаться финальной 📺

▸ Мультиязычный сервис станет проще собрать Один поток распознаёт 60 языков без ручного выбора. Это пригодится продуктам, где заранее неизвестно, на каком языке заговорит человек 🌐

▸ Голосом можно заполнять рабочие системы Сотрудник диктует данные для карточки CRM или ERP, а система разбирает речь по ходу разговора. Критичные поля всё равно стоит проверить глазами 🗂️

▸ Подкасты быстрее превратятся в текст Редактор получает черновую расшифровку почти сразу и правит ошибки, а не набирает выпуск с нуля. Для имён, терминов и цифр человеческая проверка никуда не исчезает 🎧 🔹🔹🔹🔹🔹🔹 🏆 ЛУЧШИЕ ПРОМПТЫ В PROJECT POOL 🤖 ИИ АГЕНТЫ — собери своего 📈 ИИ-агенты. - просто и понятно #новости #news #нейросети #ии

В этом посте были ссылки, но мы их удалили по правилам Сетки