Lancement des modèles MAI-Transcribe-2-Streaming et MAI-Voice-2.1 par Microsoft

Microsoft a lancé de nouveaux modèles de sa gamme MAI, y compris le modèle MAI-Transcribe-2-Streaming, qui se concentre sur la transcription en temps réel avec une latence d'environ 100ms. Ce modèle prend en charge 60 langues et affiche un taux d'erreur de seulement 2,5%, le plus bas sur le marché actuellement. Le coût d'utilisation de cette technologie est de 0,54 dollar par heure de discours.

En plus de cela, le modèle MAI-Voice-2.1 a également été introduit, offrant une version améliorée de la synthèse vocale, qui passe de 15 langues supportées à 23 langues, incluant maintenant le thaï. Son coût d'utilisation est de 22 dollars par million de caractères.

Enfin, un modèle économique, MAI-Voice-2.1-Flash, a été lancé pour les clients ayant besoin de générer de grandes quantités de voix rapidement, avec un tarif de 15 dollars par million de caractères. Les trois modèles sont désormais disponibles via Microsoft Foundry et OpenRouter. Cette information a été rapportée par Blognone.