マイクロソフト、音声認識モデル「MAI-Transcribe-1」公開:Whisper超えの精度
マイクロソフトは多言語音声認識モデル「MAI-Transcribe-1」を発表し、Microsoft Foundry でプレビュー提供を開始した。25 言語に対応し、FLEURS ベンチマークで Whisper-large-V3 を上回る最高精度を記録。バッチ処理は 2.5 倍高速で、1 時間あたり 0.36 ドルで利用できる。雑音にも強く、Teams や Copilot への導入も進む。
マイクロソフトは多言語音声認識モデル「MAI-Transcribe-1」を発表し、Microsoft Foundry でプレビュー提供を開始した。25 言語に対応し、FLEURS ベンチマークで Whisper-large-V3 を上回る最高精度を記録。バッチ処理は 2.5 倍高速で、1 時間あたり 0.36 ドルで利用できる。雑音にも強く、Teams や Copilot への導入も進む。
D-ID はマイクロソフトとの提携を発表し、リアルタイム AI アバター技術を Microsoft Azure に導入した。開発者は Teams などのアプリ向けに対話型デジタルヒューマンを構築でき、リアルタイムの多言語リップシンクや手話通訳などの支援機能も利用できる。
MicrosoftはTeams向けに、参加者の声をリアルタイムでシミュレートしながら多言語通訳を行う機能「Interpreter」を発表した。2025年初頭にMicrosoft 365ユーザー向けに提供予定で、日本語や英語など9言語に対応。利用には事前の同意が必要で、生体データは保存されないという。
マイクロソフトのAI研究部門がGitHubでオープンソースモデルを公開した際、Azureのトークン設定ミスにより38TBの内部データが露出していたことが判明した。秘密鍵やパスワード、3万件超のTeamsチャットが含まれていたが、セキュリティ企業Wizの報告を受けすでに無効化された。
米MicrosoftはAIデザインツール「Designer」を無料版Teamsに導入し、Windows 11向けにプレビュー提供を開始した。DALL-E 2を活用し、テキスト指示からポスターやプレゼン資料用画像を素早く作成できる。ビジネスチャット上で軽快なデザイン作成が可能になる。
MicrosoftはTeams Premium向けに「インテリジェントリキャップ」の一般提供を開始しました。GPTを活用して会議の要点や推奨タスクを自動作成するほか、自分の名前が呼ばれた瞬間を録画タイムライン上に可視化します。現在は英語のみに対応しています。
Microsoftは完全に再構築したTeamsのプレビュー版を公開した。従来のElectronを廃止してWebView2とReactを採用し、起動速度を2倍、メモリ消費量を50%削減した。AI動画フィルターを追加したほか、Copilotの基盤としても設計されている。現在はWindowsの法人向けプレビューのみ利用可能。