مايكروسوفت كتجرّب أول موديل ديال الصوت بالذكاء الاصطناعي Full-duplex من تطويرها: MAI Realtime كيدعم الصينية و16 لغة و2 ديال الأساليب

المنبر التقني TestingCatalog نشر تدوينة نهار 2 غشت، وقال فيها بلي مايكروسوفت كتجرّب أول موديل أصلي ديال الصوت الفوري MAI Realtime، اللي كيدعم 16 لغة وجوج أصوات، وكيقدر يسمع ويهضر فآن واحد فالمحادثة، مع التعرّف التلقائي على اللغة وتبديلها فوسط الحوار.

https://player.bilibili.com/player.html?bvid=bv1DkMZ6MEAR&autoplay=0&page=1

فما يخص الاختبارات، كاين خبر كيقول بلي مايكروسوفت عيّطات لبعض الشركاء باش يجرّبو هاد الموديل فمنصة MAI Playground، ومازال ما معروفش إمتى غادي يطلقوه فـ Microsoft Foundry، ولا إمتى غادي يوسّعوه لميزة الصوت فـ Copilot.

ومن ناحية التشغيل، MAI Realtime كيستعمل تفاعل ثنائي الاتجاه وFull-duplex، يعني ما كيتطلبش التناوب الصارم ديال «المستخدم يسالي الهضرة والموديل يجاوب»، وكيقدر يسمع ويرد فآن واحد.

https://player.bilibili.com/player.html?bvid=bv1DkMZ6ME6L&autoplay=0&page=1

فما يخص اللغات المدعومة، موديل MAI Realtime كيدعم 16 لغة من بينها الصينية. ونقل موقع IT之家 عن التدوينة لائحة اللغات المدعومة:

الإنجليزية

الألمانية

الإسبانية

الفرنسية

الإيطالية

البرتغالية

اليابانية

الكورية

الصينية

الهولندية

الهندية

الإندونيسية

العربية

الروسية

التركية

الفيتنامية

التايلاندية

وفما يخص أسلوب الصوت، كاين خبر كيقول بلي الاختبار ديال هاد الموديل كيوفّر جوج أصوات: Victoria وGrant، وهما طبيعيين كثر من أنماط الصوت الحالية ديال Copilot. ويقدر المستخدم يحدّد اللغة بصفة مباشرة، ولا يفعّل الكشف التلقائي عليها.

هاد الموديل ما كيدعمش الغناء ولا توليد المؤثرات الصوتية اللي ماشي كلام، وباقي موجّه لنظام المحادثة. ولوحة التصحيح كتبيّن التأخير الفوري، ومحتوى تفكير الموديل، ومراحل المعالجة. ومن المحتمل تتفتح ميزة مشاركة العينات لمستخدمي المنصة من بعد ما تتوسّع صلاحيات الاختبار.

ملاحظة: الصوت Full-duplex كيعني بلي النظام يقدر يستقبل صوت المستخدم ويخرج الرد ف نفس الوقت، بلا ما يستنى حتى تسالي جهة من الهضرة كاملة. وكيعتمد على كشف نقاط النهاية باش يتعرّف على بداية الكلام، والتوقف، والنهاية، وكيحتاج حتى يبدّل الإخراج ملي المستخدم يدخل فالهضرة.

موديلات الصوت MAI اللي كانت مايكروسوفت نشرتها من قبل كاملين كانوا أحاديي الاتجاه، ومنهم MAI-Voice-2 ونسخة Flash ديالو المخصّصين لتركيب الصوت، وMAI-Transcribe-1.5 المخصّص للتعرّف على الصوت.