A Microsoft megkezdte a MAI-Realtime előzetes bemutatását, egy saját fejlesztésű hangalapú AI-modellt, amely valós időben kezeli a kétirányú beszélgetést. Ez a lépés azt jelzi, hogy a vállalat saját hangtechnológiát kíván építeni, nem pedig külső szállítókra támaszkodni.
Mit csinál a MAI-Realtime?
A MAI-Realtime egy kétirányú hangstack – vagyis egyszerre tud hallgatni és beszélni, hasonlóan az emberi beszélgetéshez. A Microsoft házon belül fejlesztette a modellt, és az előnézet korai hozzáférést biztosít a fejlesztőknek és a vállalati ügyfeleknek a teszteléshez. A vállalat nem közölte, hogy mikor jelenhet meg a teljes kereskedelmi verzió, de az előnézet most már elérhető.
A Microsoft évek óta harmadik féltől származó hangszolgáltatásokra támaszkodott olyan termékekben, mint az Azure AI és a Copilot. A MAI-Realtime ezt megváltoztathatja. A teljes hangfolyamat ellenőrzésével a Microsoft testre szabhatja az élményt saját platformjai – Teams, Dynamics 365, Azure – számára, anélkül, hogy adatokat osztana meg vagy licencdíjat fizetne külső szolgáltatóknak. Ez közvetlen lehetőség azoknak a vállalati ügyfeleknek, akik szorosabb integrációt és kevesebb közvetítőt szeretnének.
A modell ígérete szerint javítja a felhasználói élményt is. A valós idejű kétirányú hang természetesebbé teszi az interakciókat, ami fontos az ügyfélszolgálati botok, a virtuális asszisztensek és az értekezlet-átírási eszközök esetében. Ha a MAI-Realtime úgy működik, ahogyan azt hirdetik, versenyképesebbé teheti a Microsoft hangalapú kínálatát az Amazon és a Google hasonló termékeivel szemben – bár a tények nem nevezik meg ezeket a versenytársakat.
A külső szolgáltatóktól való függés csökkentése
A Microsoft nagy összegeket fektet AI-infrastruktúrába, a nagy nyelvi modellektől a beszédfelismerésig. A MAI-Realtime illeszkedik ebbe a mintába. A vállalat már most is használja saját Azure Speech szolgáltatásait, de azok belső és külső technológia keverékére épülnek. Ez az új stack teljes egészében a Microsofté, a modellarchitektúrától az inferencia-motorig. Ez nagyobb ellenőrzést biztosít a vállalatnak a teljesítmény, a költségek és az adatvédelem felett – ami előnyt jelent a szabályozott iparágak, például az egészségügy és a pénzügy számára.
Az előnézet korlátozott. A Microsoft nem hozta nyilvánosságra az árakat, a késleltetési benchmarkokat vagy a támogatott régiókat. A fejlesztőknek, akik ki szeretnék próbálni, az Azure AI Studio-n keresztül kell jelentkezniük. A vállalat valószínűleg visszajelzéseket gyűjt a szélesebb körű bevezetés előtt.
A Microsoft nem határozott meg idővonalat az általános elérhetőségre. Az előnézet több hónapig fog futni, és a vállalat valószínűleg finomítani fogja a modellt a korai felhasználói jelentések alapján. Egyelőre a kérdés az, hogy a MAI-Realtime be tudja-e váltani az ígéretét – és hogy a vállalati ügyfelek elég gyorsan átveszik-e ahhoz, hogy igazolják a Microsoft befektetését.
