Modelos de IA multimodales
Modelos que combinan texto, imagen, audio o video en una misma conversación.
MAI Transcribe 2 Streaming es el primer modelo de transcripción en streaming de Microsoft. Convierte voz en texto mientras la persona habla y está pensado para centros de llamadas, asistentes de voz y subtítulos en directo de reuniones y clases.
MAI Voice 2.1 Flash es la variante rápida y de menor costo del modelo de texto a voz MAI Voice 2.1 de Microsoft. Está pensada para agentes y asistentes de voz en tiempo real, centros de llamadas y experiencias interactivas en varios idiomas.
Modelo de texto a voz de Microsoft que permite a una misma voz hablar 23 idiomas con acento nativo. Ideal para creadores de agentes conversacionales y aplicaciones que requieren fluidez y calidad en múltiples lenguas.
