Назад
2 октября 2026 г. в 12:30 Microsoft AI voice AI speech-to-text AI Agents Источник

Microsoft выпустила расшифровку, которая начинает работать до конца фразы

Microsoft выпустила расшифровку, которая начинает работать до конца фразы

Microsoft AI представила MAI-Transcribe-2-Streaming — модель распознавания речи, которая не ждёт конца реплики. По заявлению компании, первые варианты текста появляются чуть более чем через 100 миллисекунд после поступления аудио; по мере фразы система их исправляет и закрепляет итоговую расшифровку.

Это важнее, чем очередной рекорд в таблице: голосовой помощник может начать искать данные или вызывать инструмент, пока человек ещё договаривает запрос. Для субтитров и диктовки Microsoft обещает, что слова появляются в тексте вдвое быстрее, чем у ближайшего конкурента по её внутренним тестам. Это именно заявление разработчика, а не независимое сравнение всех сервисов.

Официальная графика Microsoft AI к модели MAI-Transcribe

Источник: Microsoft AI.

Не «мгновенный текст», а текст, который меняет себя

Потоковая расшифровка всегда работает с неполной фразой. Поэтому ранняя гипотеза может оказаться неверной, когда появится контекст. Microsoft прямо описывает этот механизм: модель выдаёт промежуточные варианты, пересматривает их и быстро фиксирует стабильный текст. Для голосового агента это компромисс между скоростью реакции и риском действовать по ещё неокончательным словам.

MAI-Transcribe-2-Streaming поддерживает 60 языков и автоматическое непрерывное определение языка. Microsoft называет модель первой по точности финальных и промежуточных расшифровок в рейтинге Artificial Analysis, а цену до конца года — $0,54 за час аудио. Перед внедрением командам стоит отдельно проверить качество на своих акцентах, шумных звонках и профессиональной лексике: общая позиция в бенчмарке не заменяет такой тест.

Голосу дают ответную часть

Одновременно Microsoft выпустила MAI-Voice-2.1 и более быструю MAI-Voice-2.1-Flash — модели синтеза речи. Они поддерживают 23 языка и 26 локалей; компания обещает сохранить один голос при переключении языков. Flash заявлена для задач с низкой задержкой: до 45 секунд аудио при задержке от конца до конца в 150 мс.

Вместе эти релизы превращают разговорный интерфейс в конвейер: речь поступает, текст появляется, агент успевает рассуждать, а ответ синтезируется. Но реальная «живость» такого диалога зависит не только от двух аудиомоделей — задержку добавляют поиск, инструменты, правила безопасности и проверка результата. Быстрый голос не должен становиться поводом отвечать раньше, чем система действительно поняла запрос.

Официальный анонс Microsoft AI

Ещё новости

Gemini подключила Google Wallet к советам о личных финансах
15 ноября 2026 г.
Gemini подключила Google Wallet к советам о личных финансах

Google начала разворачивать в США подключение Google Wallet к Gemini. Ассистент сможет отвечать с учётом расходов, а при добровольном подключении через Plaid — и данных карт и банковских счетов; переводить или инвестировать деньги он не сможет.

Gemini 4 Hydrogen появился в GitHub Copilot
14 ноября 2026 г.
Gemini 4 Hydrogen появился в GitHub Copilot

GitHub добавил Gemini 4 Hydrogen в Copilot как общедоступную модель. Для разработчиков это ещё один быстрый вариант для агентных задач и многошаговой работы с инструментами — но выбор доступен не во всех тарифах и средах.

OpenAI открыла ранний доступ к агентам для проверки и исправления уязвимостей
14 ноября 2026 г.
OpenAI открыла ранний доступ к агентам для проверки и исправления уязвимостей

OpenAI представила ранний доступ к Daybreak Red Team и Defense Factory: первая система проверяет веб-приложения на уязвимости, вторая готовит исправления для ревью инженера. Обе части требуют контроля области проверки и не заменяют ответственность команды за код.

Эстонский FleetFox с ИИ-проверкой по фото готовится к банкротству
14 ноября 2026 г.
Эстонский FleetFox с ИИ-проверкой по фото готовится к банкротству

Эстонская FleetFox, которая заявляет об ИИ-проверке качества по фотографиям в обслуживании автопарков, намерена подать заявление о банкротстве. Компания говорит о сорванной инвестсделке и нехватке денежных средств после сокращения заказов крупных клиентов.

ChatGPT Wallet: агентам дали оплату без номера карты
13 ноября 2026 г.
ChatGPT Wallet: агентам дали оплату без номера карты

OpenAI запускает ChatGPT Wallet для покупок через агентов dots: пользователь подтверждает каждую оплату биометрией, а продавец и агент не получают данные его карты. На старте функция доступна только подписчикам ChatGPT Pro в США с подходящими американскими картами.

Сбой Microsoft 365 затронул Outlook, Copilot и инструменты защиты
13 ноября 2026 г.
Сбой Microsoft 365 затронул Outlook, Copilot и инструменты защиты

Microsoft сообщила о масштабной деградации Microsoft 365: у части пользователей не работали почта Outlook и Exchange Online, а также связанные с ними корпоративные сервисы. В статусе компании перечислены проблемы с Copilot, Defender XDR, Purview, Teams и другими продуктами; потребительский OneDrive и Outlook.com вынесены в отдельное уведомление.

VS Code 1.146 добавил inbox для ИИ-агентов и сравнение моделей
13 ноября 2026 г.
VS Code 1.146 добавил inbox для ИИ-агентов и сравнение моделей

В стабильной версии VS Code 1.146 появился inbox для сессий агентов, отдельные окна чата и расширенное сравнение моделей. Одновременно Microsoft объявила, что Local harness будет удалён в феврале 2027 года.

Google выпустила Gemini 4 Hydrogen: миллион токенов за $1,50
13 ноября 2026 г.
Google выпустила Gemini 4 Hydrogen: миллион токенов за $1,50

Google представила Gemini 4 Hydrogen — более быстрый и дешёвый вариант для агентных задач. Модель получила контекст в миллион токенов и стала доступна в API, AI Studio, приложении Gemini и поиске; условия доступа зависят от продукта и тарифа.

Anthropic выпустила Claude Fable 5.2 и Mythos 5.2: обычным пользователям доступна только одна модель
12 ноября 2026 г.
Anthropic выпустила Claude Fable 5.2 и Mythos 5.2: обычным пользователям доступна только одна модель

Anthropic представила Claude Fable 5.2 и Claude Mythos 5.2 для сложных технических задач. Fable доступна всем пользователям, а Mythos для кибербезопасности и биомедицины остаётся по заявке; базовая цена API — $8 за миллион входных и $40 за миллион выходных токенов.

Anthropic пустила Claude на встречи в Google Meet — и ограничила бета-доступ
12 ноября 2026 г.
Anthropic пустила Claude на встречи в Google Meet — и ограничила бета-доступ

Anthropic начала бета-раскатку Claude Meetings для Team и Enterprise: видимый участник Google Meet ведёт стенограмму, отвечает на вопросы и прямо во время разговора собирает документы и доски. Это шире обычного ИИ-конспекта, но функция недоступна организациям с ZDR, HIPAA-ready и CMEK-конфигурациями.

Gemini Robotics 2.5: гуманоид Apollo показал 96% в цехе Mercedes
12 ноября 2026 г.
Gemini Robotics 2.5: гуманоид Apollo показал 96% в цехе Mercedes

Google DeepMind представила Gemini Robotics 2.5 — VLA-модель для управления роботами. В пилоте на линиях Mercedes-Benz гуманоид Apollo 2 сортировал автодетали с заявленным успехом 96%.

Gemini Live появился в Apple CarPlay
12 ноября 2026 г.
Gemini Live появился в Apple CarPlay

Google начала глобально разворачивать Gemini Live в Apple CarPlay. Голосовой помощник может продолжать диалог с iPhone, но часть персонализированных функций недоступна пользователям в ЕЭЗ.