微软新语音 AI 能在你话没说完时预判意图
微软在 Microsoft Foundry 平台上发布了三款新语音模型：实时转写模型 MAI-Transcribe-2-Streaming，以及两个文本转语音模型 MAI-Voice-2.1 和 MAI-Voice-2.1-Flash。过去语音客服要等人说完话才处理，中间容易卡顿；新转写模型在收到声音后“几百毫秒”内就能给出初步文字猜测，边说边修正，让系统提前判断来电者要什么。目前这些模型已可用，微软称其在准确率榜单上排名第一。不过业内专家提醒，真正的难点在对话中的停顿判断——延迟降低后，如果系统抢话，反而会打断用户。
文中可用工具
- MAI-Transcribe-2-Streaming把实时说话内容边说边转成文字，支持自动语言检测
- MAI-Voice-2.1富有表现力的多语言文本转语音模型
- MAI-Voice-2.1-Flash面向高并发、低延迟语音应用的文本转语音模型
- Microsoft Foundry微软的应用与智能体模型目录和平台，上述模型已在此可用
展开详情收起详情：微软新语音 AI 能在你话没说完时预判意图
评论 · 分享第一个看法