Microsoft AI تطلق MAI-Transcribe-2-Streaming ونموذجي MAI-Voice-2.1

في 1 أكتوبر 2026 أطلقت Microsoft AI نموذج MAI-Transcribe-2-Streaming، أول نموذج نسخ متدفق لديها، إلى جانب نموذجي تحويل النص إلى كلام MAI-Voice-2.1 وMAI-Voice-2.1-Flash عبر Microsoft Foundry وقنوات ذات صلة، وفق Unite.AI ومواد مايكروسوفت.

ادعاءات النسخ المتدفق

تصف مايكروسوفت MAI-Transcribe-2-Streaming بنسخ فوري منخفض الكمون بـ60 لغة مع كشف تلقائي مستمر للغة. واستناداً إلى لوحة Artificial Analysis بتاريخ 28 سبتمبر 2026 أبرزت نحو 2.5% معدل خطأ كلمات نهائي و2.8% للجزء الأول ونحو 0.13 ثانية حتى النسخ النهائي؛ وتظهر الأجزاء الأولى بعد أكثر من 100 مللي ثانية بقليل. السعر التمهيدي 0.54 دولار للساعة من الصوت حتى نهاية العام.

نماذج الصوت

يدعم MAI-Voice-2.1 23 لغة / 26 محلية بهوية صوت واحدة (22 دولاراً لكل مليون حرف). ويستهدف MAI-Voice-2.1-Flash الحجم الكبير والكمون المنخفض — حتى 45 ثانية صوت و~150 مللي ثانية من الطرف إلى الطرف — بسعر 15 دولاراً لكل مليون حرف، مع ادعاء مايكروسوفت باستدلال أسرع بنحو 55% وتكلفة أقل بنحو 60%. ويدعم كلاهما استنساخ الصوت بثوانٍ قليلة مع ضمانات موافقة. وفي اختبار لـ4000 مستمع رأى 50.3% أن MAI-Voice مساوٍ أو أكثر شبهاً بالإنسان من تسجيلات بشرية.

التوافر والتحفظات

النماذج متاحة عبر Microsoft Foundry وMAI Playground وVercel وAzure Voice Live (LiveKit قريباً)؛ والصوت أيضاً عبر OpenRouter. صدارة المعايير و«الشبه بالإنسان» ادعاءات من المورّد. هذه خلاصة إطلاق منتج وليست تزكية.