ذكاء اصطناعي
مايكروسوفت تطلق MAI-Transcribe-2-Streaming — أول نموذج نسخ صوتي فوري بدقة قياسية في ٦٠ لغة
أعلنت مايكروسوفت إيه آي في الأول من أكتوبر ٢٠٢٦ عن MAI-Transcribe-2-Streaming، أول نموذج لديها مخصص للنسخ الصوتي الفوري (streaming)، إلى جانب نموذجين جديدين لتحويل النص إلى صوت هما MAI-Voice-2.1 وMAI-Voice-2.1-Flash. يدعم نموذج النسخ ٦٠ لغة مع كشف تلقائي ومستمر للغة المستخدَمة دون الحاجة لتحديدها مسبقاً، ويُصدر أول نتيجة أولية (partial) بعد نحو ١٠٠ ميلي ثانية من استقبال الصوت، ثم يعدّلها تدريجياً مع توفر سياق أكبر قبل تثبيت النص النهائي.
في تقييم مستقل أجرته منصة Artificial Analysis على ٣٨ نموذجاً، حقق MAI-Transcribe-2-Streaming أدق نسخ نهائي بمعدل خطأ كلمات ٢.٥٪، بزمن استجابة نحو ٠.١٣ ثانية بعد انتهاء الكلام — وهو الترتيب الأول بين كل النماذج المختبرة. يُسعَّر النموذج تمهيدياً بـ٠.٥٤ دولار للساعة أو ٩ دولارات لكل ١٠٠٠ دقيقة حتى نهاية ٢٠٢٦، مقارنة بـ٠.١٠ دولار للساعة لنسخة مايكروسوفت غير الفورية من النموذج.
أما MAI-Voice-2.1 فيحوّل النص إلى صوت بـ٢٣ لغة و٢٦ لهجة محلية مع الحفاظ على هوية الصوت ولكنته الأصلية عبر اللغات، بزمن استجابة نحو ٥٥٠ ميلي ثانية وسعر ٢٢ دولاراً لكل مليون حرف؛ ونسخته MAI-Voice-2.1-Flash مخصصة للاستخدام المكثف منخفض الكمون، فتولّد ٤٥ ثانية من الصوت خلال ١٥٠ ميلي ثانية فقط بسعر ١٥ دولاراً لكل مليون حرف. يدعم الموديلان استنساخ الصوت من عينة مرجعية قصيرة مع ضوابط موافقة مدمجة لمنع الاستخدام المسيء، وكلاهما متاح الآن عبر منصة Microsoft Foundry.
المصدر: Microsoft AI
تحتاج تصويراً بمستوى ما تقرأ عنه؟ أرد عليك خلال ٢٤ ساعة.
اطلب مشروعك