マイクロソフトが音声認識「MAI-Transcribe-2」公開、競合比最大10倍高速
マイクロソフトは音声認識モデル「MAI-Transcribe-2」を発表した。60言語を対象としたFLEURSベンチマークで平均単語誤り率5.2%を記録し、GPT-Transcribeの最大10倍の速度を実現。話者分離や単語レベルのタイムスタンプに対応し、年内は1時間あたり0.10ドルで提供する。
マイクロソフトは音声認識モデル「MAI-Transcribe-2」を発表した。60言語を対象としたFLEURSベンチマークで平均単語誤り率5.2%を記録し、GPT-Transcribeの最大10倍の速度を実現。話者分離や単語レベルのタイムスタンプに対応し、年内は1時間あたり0.10ドルで提供する。