Microsoft ha recentemente presentato una nuova tecnologia di intelligenza artificiale in grado di trascrivere il parlato in tempo reale con una latenza estremamente ridotta, pari a poco più di 100 millisecondi. Si tratta di un risultato che segna un passo avanti significativo nel campo della trascrizione automatica, ponendo la casa di Redmond in diretta competizione con OpenAI e altri protagonisti del settore.
Prestazioni da record
Il nuovo modello, denominato MAI-Transcribe-2-Streaming, è in grado di produrre una prima versione del testo appena 100 millisecondi dopo aver ricevuto l'audio, correggendola poi in modo continuo man mano che arrivano nuove parole. Questa capacità di trascrizione in streaming permette di superare i ritardi che tradizionalmente rendono innaturale l'interazione con gli assistenti vocali, aprendo la strada a conversazioni fluide e immediate con l'IA.
La bassa latenza è un fattore cruciale per molte applicazioni, come i sottotitoli in tempo reale, il supporto alla traduzione simultanea e l'interazione vocale con agenti intelligenti. Microsoft sostiene che il suo sistema sia in grado di competere vantaggiosamente con le soluzioni offerte da altri giganti tecnologici, grazie a un'architettura ottimizzata per l'elaborazione a bassa latenza.
Versatilità e intelligenza agentica
Oltre alla velocità, MAI-Transcribe-2-Streaming supporta 60 lingue e può riconoscere automaticamente quando l'utente passa da una lingua all'altra, dimostrandosi estremamente versatile in contesti multilingue. Inoltre, il sistema integra una forma di intelligenza agentica che gli consente di non dover attendere la fine di una frase per iniziare a interpretarla: può infatti preparare una risposta o richiamare altri strumenti mentre l'utente sta ancora parlando.
Questo approccio apre scenari interessanti per assistenti virtuali sempre più reattivi e per applicazioni di traduzione in tempo reale, dove la capacità di anticipare il contenuto del discorso può fare la differenza. Microsoft non ha ancora annunciato una data di rilascio ufficiale per il pubblico, ma la tecnologia potrebbe presto essere integrata in prodotti come Teams, Azure e le soluzioni per sviluppatori.
La sfida con OpenAI, che con i suoi modelli Whisper e GPT-4o ha già dimostrato notevoli capacità di trascrizione e comprensione vocale, si fa quindi sempre più accesa. Con MAI-Transcribe-2-Streaming, Microsoft punta a ridefinire gli standard del settore, offrendo prestazioni all'avanguardia e nuove possibilità per l'interazione uomo-macchina.
