Microsoft, canlı konuşmayı gerçek zamanlı olarak metne dönüştüren MAI-Transcribe-2-Streaming modelini Microsoft Foundry’de kullanıma sundu.

Model, 60 dilde otomatik dil algılama yapabiliyor ve konuşma devam ederken yüzlerce milisaniye içinde ilk metin tahminlerini üretip bağlam geldikçe bunları düzeltiyor. Microsoft’a göre sistem, çoğu durumda sözcükleri yaklaşık 320 ms içinde ekrana getirebiliyor ve sesli asistanlar ile canlı altyazı gibi uygulamaları hızlandırmayı hedefliyor.