Microsoft, Konuşmaları Gerçek Zamanlı Olarak Metne Çeviren Yenilikçi Modelini Tanıttı
Microsoft, sesli konuşmaları anlık olarak metne dönüştürme yeteneği olan yeni yapay zeka modeli MAI-Transcribe-2-Streaming’i resmi olarak duyurdu. Bu yeni model, konuşmacının cümlesini tamamlamasını beklemeden ses verisini işlemeye başlayarak, metin oluşturmaya hemen geçebiliyor.
Yapay zeka analiz platformu Artificial Analysis’ın gerçekleştirdiği testlerde, MAI-Transcribe-2-Streaming modelinin hem oluşturulan ilk metin hem de son metin doğruluğunda en yüksek puanı aldığı belirtildi. Bu başarılı performans, modelin pazardaki rakiplerine karşı avantaj sağlamasına olanak tanıyor.
Metin Oluşturma Süreci Hızlandırıldı
MAI-Transcribe-2-Streaming, ses verisini aldıktan yaklaşık 100 milisaniye içinde ilk metin parçalarını oluşturmaya başlıyor. Konuşma ilerledikçe model, yeni ses kayıtlarını değerlendirmeye alıyor ve konuşmanın bitişiyle birlikte metni son hâline getiriyor. Bu yenilikçi yaklaşım, sesli yapay zeka asistanları için önemli bir gelişme sunuyor; kullanıcıların cümlelerini tamamlamalarını beklemek yerine, konuşmanın ilk bölümünden itibaren anlamaya başlıyor.
Microsoft’un açıkladığına göre, bu model 60 farklı dili destekliyor ve konuşulan dili otomatik olarak tanıyabiliyor. Bu özellik, canlı altyazı, toplantı transkripsiyonu, dikte uygulamaları ve sesli yapay zeka asistanları gibi farklı alanlarda kullanılabilme potansiyeli taşıyor.
Yeni Ses Modelleri de Tanıtıldı
MAI-Transcribe-2-Streaming’in yanı sıra, Microsoft iki yeni metinden sese dönüştürme modeli olan MAI-Voice-2.1 ve MAI-Voice-2.1-Flash’ı da kullanıma sundu. MAI-Voice-2.1 modeli, toplam 23 dili ve 26 bölgesel dil seçeneğini destekleyerek, aynı yapay sesin farklı dillerde konuşmasını mümkün kılıyor. Diğer model olan MAI-Voice-2.1-Flash ise düşük gecikmenin kritik öneme sahip olduğu uygulamalara odaklanarak, uçtan uca gecikmeyi 150 milisaniyeye kadar düşürebiliyor.
Bu yeni modeller, müşteri hizmetleri, sesli asistanlar, eğitim uygulamaları ve gerçek zamanlı yapay zeka hizmetlerinde birlikte kullanılmak üzere tasarlandı.
Geliştiricilere Sunuldu
Microsoft, duyurulan üç yeni modelin de geliştiricilerin kullanımına açık olduğunu duyurdu. MAI-Transcribe-2-Streaming, MAI-Voice-2.1 ve MAI-Voice-2.1-Flash, Microsoft Foundry platformu üzerinden erişilebilir hale geldi.
MAI-Transcribe-2-Streaming için 2026 yıl sonuna kadar geçerli olan tanıtım fiyatı, saatlik ses başına 0,54 dolar olarak belirlendi. MAI-Voice-2.1’in fiyatı 1 milyon karakter için 22 dolar, Flash sürümünün ise 15 dolar olarak belirlendi.
Microsoft’un bu yeni modelleri, yapay zeka alanında son dönemde artan rekabeti gözler önüne seriyor. Buradaki hedef, yalnızca konuşmaları doğru bir şekilde algılamak değil, aynı zamanda kullanıcıların konuşmaları ile yapay zekanın yanıtı arasındaki bekleme süresini de minimize etmek.
