Zurück zur Übersicht
Microsoft stellt drei Sprachmodelle für Echtzeit-Anwendungen vor
Das neue Transkriptionsmodell MAI-Transcribe-2-Streaming soll Textfragmente gut 100 Millisekunden nach Eingang des Audios liefern. Microsoft zufolge können Sprachagenten dadurch schon reagieren, während jemand noch spricht.
Microsoft hat am 1. Oktober drei Sprachmodelle vorgestellt: das Echtzeit-Transkriptionsmodell MAI-Transcribe-2-Streaming sowie MAI-Voice-2.1 und die schnellere Variante MAI-Voice-2.1-Flash.
MAI-Transcribe-2-Streaming unterstützt laut Microsoft 60 Sprachen und erkennt sie automatisch. Die geringe Verzögerung soll es Sprachagenten ermöglichen, Gespräche zu unterbrechen, um zu reagieren oder Werkzeuge aufzurufen, bevor die sprechende Person fertig ist.
MAI-Voice-2.1 und MAI-Voice-2.1-Flash unterstützen nach Angaben des Unternehmens 23 Sprachen und 26 Sprachregionen. Microsoft stellt alle drei Modelle über Foundry und seinen Playground bereit. Für die Sprachmodelle nennt das Unternehmen außerdem OpenRouter als Bezugsweg.
Erwähnt
Kommentare (0)
Der Kommentarbereich wird geladen, sobald du ihn erreichst.
Weiterlesen
Das könnte dich auch interessieren
KI News
Microsoft integriert Grok in Word, Excel und PowerPoint
ModelleGlobal
EFE14. Sept.
KI News
Microsoft baut eigene KI-Modelle als Gegengewicht zu OpenAI und Anthropic
ModelleGlobal
TechCrunch30. Juli
KI News
Microsoft ersetzt in Teilen von Office Modelle von OpenAI und Anthropic
ModelleGlobal
Bloomberg08. Juli
KI News
Microsoft bündelt Copilot in Home, Code und Autopilot
ProduktivitätGlobal
The Official Microsoft Blog26. Sept.