Microsoft представила MAI-Transcribe-1 — модель для преобразования речи в текст с поддержкой 25 языков.
По данным компании, модель показала самый низкий уровень ошибок в словах на бенчмарке FLEURS и обошла Scribe v2, Whisper-large-V3, GPT-Transcribe и Gemini 3.1 Flash-Lite.
Microsoft также заявила, что MAI-Transcribe-1 лучше работает в тяжёлых условиях записи. Речь идёт о фоновом шуме, низком качестве аудио и наложении голосов.
Компания уже внедряет модель в Copilot Voice и Microsoft Teams.
Для разработчиков MAI-Transcribe-1 доступна в формате публичного превью через Microsoft Foundry и Microsoft AI Playground.
По информации Microsoft, модель работает в 2,5 раза быстрее, чем предыдущее решение Azure Fast, а стоимость составляет $0,36 за час аудио.
В связке с MAI-Voice-1 и языковой моделью систему можно использовать для голосовых агентов, заявили в компании.
Недавно Cohere и Mistral также выпустили open-source альтернативы со схожим уровнем качества.
Источник: The Decoder, Microsoft.
