Microsoft’s MAI-Transcribe-1 runs 2.5x faster than its predecessor at $0.36 per audio hour

Microsoft представила MAI-Transcribe-1, модель розпізнавання мови з текстом, що підтримує 25 мов і досягає найнижчої помилки слів серед усіх моделей, тестованих на бенчмарку FLEURS, обігруючи Scribe v2, Whisper-large-V3, GPT-Transcribe та Gemini 3.1 Flash-Lite. За словами Microsoft, модель також розроблена для роботи в складних умовах запису, таких як фоновий шум, погана якість аудіо та перетинальна мова.

Microsoft розгортає MAI-Transcribe-1 по лінії Copilot Voice та Microsoft Teams. Розробники можуть спробувати його у публічному попередньому перегляді через Microsoft Foundry та Microsoft AI Playground. Модель працює у 2,5 раза швидше за попереднє рішення Azure Fast Microsoft та коштує 0,36 долара за аудіо-годину. Поєднана з MAI-Voice-1 та мовною моделлю, вона також може живити голосових агентів, зазначає Microsoft.

Cohere та Mistral нещодавно випустили відкриті альтернативи, які демонструють подібний рівень продуктивності.

AI-новини без хайпу – відбирає люди

Як підписник THE DECODER, ви отримуєтеReading без реклами, наше щотижневе AI-електронне видання, ексклюзивний «AI Radar» Frontier Report 6× на рік, доступ до коментарів та наш повний архів.

Підписатися зараз