Microsoft AI、音声エージェント向けの文字起こし・音声合成モデルを公開

Microsoft AIはリアルタイム文字起こしモデル「MAI-Transcribe-2-Streaming」を公開した。Artificial Analysisの精度ランキングで1位だとMicrosoftは主張している。60言語に対応し、最初の部分結果までの遅延は100ミリ秒をわずかに超える程度。年末までの導入価格は音声1時間あたり0.54ドル。