Harika Pelin Şengül 02 Ekim 2026 09:45
Microsoft, konuşmaları gerçek zamanlı olarak metne çevirmek için geliştirdiği yeni yapay zeka modeli MAI-Transcribe-2-Streaming'i duyurdu. Şirketin ilk gerçek zamanlı transkripsiyon modeli olan sistem, konuşmacının cümlesini bitirmesini beklemeden sesi işlemeye ve metni oluşturmaya başlıyor.
Model, bağımsız yapay zeka analiz platformu Artificial Analysis'ın gerçek zamanlı konuşmadan metne dönüştürme testlerinde hem ilk oluşturulan metin hem de son metnin doğruluğu açısından listenin ilk sırasında yer aldı.
Konuşma Devam Ederken Metni Oluşturmaya Başlıyor
MAI-Transcribe-2-Streaming, ses verisini aldıktan yaklaşık 100 milisaniye sonra ilk metin parçalarını oluşturmaya başlayabiliyor. Sistem daha fazla ses aldıkça bu metni yeniden değerlendiriyor ve konuşma tamamlandığında son halini oluşturuyor.
Bu yaklaşım özellikle sesli yapay zeka asistanlarında önemli bir fark yaratabilir. Sistem, kullanıcının tüm cümleyi tamamlamasını beklemek yerine konuşmanın ilk bölümünden itibaren isteği anlamaya başlayabiliyor.
Microsoft'un açıklamasına göre model 60 dili destekliyor ve konuşulan dili otomatik olarak algılayabiliyor. Bu nedenle canlı altyazı, toplantı transkripsiyonu, dikte uygulamaları ve sesli yapay zeka asistanları gibi alanlarda kullanılabiliyor.
Microsoft Iki Yeni Ses Modeli De Duyurdu
Şirket, MAI-Transcribe-2-Streaming ile birlikte MAI-Voice-2.1 ve MAI-Voice-2.1-Flash adlı iki yeni metinden sese dönüştürme modelini de tanıttı.
MAI-Voice-2.1 toplam 23 dili ve 26 bölgesel dil seçeneğini destekliyor. Model, aynı yapay sesin farklı diller arasında geçiş yapmasına imkan tanıyor.
MAI-Voice-2.1-Flash ise daha fazla isteğin işlendiği ve düşük gecikmenin önemli olduğu uygulamalara odaklanıyor. Microsoft, bu sürümde uçtan uca gecikmenin 150 milisaniyeye kadar düşebildiğini belirtiyor.
Bu modeller özellikle müşteri hizmetleri sistemleri, sesli asistanlar, eğitim uygulamaları ve gerçek zamanlı yapay zeka hizmetlerinde birlikte kullanılabilecek.
Modeller Microsoft Foundry Üzerinden Kullanılabiliyor
Microsoft, üç yeni modeli de geliştiricilerin kullanımına açtı. MAI-Transcribe-2-Streaming, MAI-Voice-2.1 ve MAI-Voice-2.1-Flash Microsoft Foundry üzerinden kullanılabiliyor.
MAI-Transcribe-2-Streaming için 2026 sonuna kadar geçerli tanıtım fiyatı saatlik ses başına 0,54 dolar olarak açıklandı. MAI-Voice-2.1'in fiyatı 1 milyon karakter için 22 dolar, Flash sürümünün fiyatı ise 15 dolar olarak belirlendi.
Microsoft'un yeni modelleri, yapay zeka şirketlerinin son dönemde yoğunlaştığı gerçek zamanlı sesli asistan yarışının da hızlandığını gösteriyor. Buradaki temel hedef yalnızca konuşmayı doğru şekilde algılamak değil; kullanıcının konuşması ile yapay zekanın yanıtı arasındaki bekleme süresini de mümkün olduğunca azaltmak.
Etiketler:
- Microsoft
