← AI 動態
The Decoder
微軟發布全新語音AI模型：即時轉錄與多語原生發音
微軟推出全新即時轉錄與語音生成模型，主打不到百毫秒的超低延遲，並支援23種語言的原生口音發聲。這將讓AI語音助理反應更靈敏，對話體驗更像真人。
語音辨識
文字轉語音
AI語音助理
微軟發布了針對AI語音助理打造的全新語音模型。其中「MAI-Transcribe-2-Streaming」是一款即時轉錄模型，支援60種語言，並在語音精準度測試中名列前茅。最驚人的是，它能在短短100毫秒內產出部分轉錄結果，這意味著語音助理可以在使用者話還沒說完時，就已經開始處理並準備好回應。
同時，微軟也推出了全新的文字轉語音（TTS）模型。其中「MAI-Voice-2.1」能使用「同一個聲音」流利說出23種不同語言，並自動切換成道地的原生口音。對一般大眾而言，這代表未來的AI客服或個人助理不僅反應速度會大幅超越現在，聽起來也會更具親和力與一致性，徹底打破過去機器人說話生硬、反應慢半拍的刻板印象。