Microsoft lance la transcription streaming et deux modèles de voix
MAI-Transcribe-2-Streaming, MAI-Voice-2.1 et MAI-Voice-2.1-Flash visent les agents vocaux interactifs.
Disponible
Faits, analyse et limites
Faits vérifiés
- MAI-Transcribe-2-Streaming traite 60 langues avec détection continue de langue et premières hypothèses en un peu plus de 100 ms selon Microsoft.
- Le prix introductif annoncé est de 0,54 dollar par heure audio jusqu’à la fin de l’année.
- MAI-Voice-2.1 et Flash prennent en charge 23 langues et 26 variantes régionales, avec des tarifs annoncés de 22 et 15 dollars par million de caractères.
- Les trois modèles sont accessibles notamment via Microsoft Foundry et MAI Playground ; LiveKit est indiqué comme à venir.
Ce qui change
La transcription partielle peut laisser l’agent préparer sa réponse avant la fin de la phrase.
Implication pratique
Mesurer latence bout en bout, erreurs en français et consentement avant de cloner une voix.
Disponibilité
Belgique/EEE : périmètre régional non précisé dans les sources consultées ; vérifier le compte, le contrat et la région de traitement avant utilisation.
Limites et incertitudes
Les classements et latences cités proviennent du billet Microsoft ; disponibilité par région et résidence EEE à vérifier.