2,4%-os szóhibaarányt ér el a Microsoft új beszédfelismerő modellje
A Microsoft bejelentette a MAI-Transcribe-1.5 modellt, amely 2,4% WER pontossággal rendelkezik. Ez a technológia jelentős előrelépést jelent a beszédfelismerés területén.
A modell fejlesztése során a Microsoft szakemberei arra törekedtek, hogy a beszédfelismerési technológia minél pontosabb legyen. Ennek érdekében nagy mennyiségű adatot használtak fel a modell tanítására. (MarkTechPost)
A modell képességei
A MAI-Transcribe-1.5 modell képes akár 2,4% WER pontossággal felismerni a beszédet, ami jelentős előrelépést jelent a korábbi modellekhez képest.
Kapcsolódó: dokumentumfeldolgozás
A fejlesztők hangsúlyozták, hogy a modell nemcsak a beszédfelismerés pontosságát javítja, hanem a felhasználói élményt is.
Kapcsolódó: Voxtral TTS modell
Gyakorlati alkalmazások
A MAI-Transcribe-1.5 modell gyakorlati alkalmazásai széles körűek, a virtuális asszisztensektől kezdve a hangvezérelt eszközökig. A Microsoft tervei szerint a modellt a cég saját termékeibe is beépítik.
Kapcsolódó: Grok STT API
Nemrég a Microsoft bejelentette, hogy a MAI-Transcribe-1.5 modellt a Microsoft Azure szolgáltatásban is elérhetővé teszi, ahol a fejlesztők számára is hozzáférhető lesz a technológia.
Kapcsolódó: jogi AI-ügynök