بچه‌های هوش مصنوعی مایکروسافت دست‌به‌کار شدن و سه تا مدل مشتی به اسم‌های MAI-Transcribe-2-Streaming، MAI-Voice-2.1 و نسخه سرعتیش یعنی Flash رو فرستادن تو میدون

بچه‌های هوش مصنوعی مایکروسافت دست‌به‌کار شدن و سه تا مدل مشتی به اسم‌های MAI-Transcribe-2-Streaming، MAI-Voice-2.1 و نسخه سرعتیش یعنی Flash رو فرستادن تو میدون. کار این ابزارها اینه که حرف زدن شما رو همزمان و با دقت خیلی بالا تبدیل به متن کنن و از اون طرف با یه صدای طبیعی و جون‌دار تحویلتون بدن. نکته اساسی قضیه اینه که تأخیر و معطلیِ رد و بدل شدن صدا رو به حداقل رسوندن تا دیگه وسط مکالمه لنگ نمونید. خلاصه هدفشون اینه که دست برنامه‌نویس‌ها باز بشه تا ایجنت‌های صوتی بسازن که مکالمه رو عین بلبل و بدون تپق جلو ببره.