AI·THE EXPLAINERニュースを理解する
Microsoft launches real-time transcription and two voice modelsMicrosoft、リアルタイム音声認識など3モデル公開
Microsoft launched MAI-Transcribe-2-Streaming plus MAI-Voice-2.1 and MAI-Voice-2.1-Flash text-to-speech models on October 1, 2026, all available via Microsoft Foundry.Microsoftは2026年10月1日、MAI-Transcribe-2-Streamingと音声合成モデルMAI-Voice-2.1、MAI-Voice-2.1-FlashをMicrosoft Foundryで公開した。
THE SOURCE TRAIL情報の根拠
Based on linked publications. No first-party document or classified news organization is linked in this record.掲載元の記事をもとにしています。この記録には当事者・公的資料や、分類済みの報道機関へのリンクがありません。
Claims checked against source text主張と原典の照合記録（英語）
An automated review linked these claims to supplied source text. This is not a human fact-check or independent verification of the source.自動点検が、記事の主張と入力した原典本文を対応づけた記録です。人による事実確認や、原典自体の正しさを独立して検証した結果ではありません。
Microsoft launched MAI-Transcribe-2-Streaming plus MAI-Voice-2.1 and MAI-Voice-2.1-Flash on October 1, 2026, available via Microsoft Foundry
www.unite.ai ↗MAI-Transcribe-2-Streaming covers 60 languages with automatic detection and ranks No. 1 for accuracy on Artificial Analysis streaming leaderboard, priced at $0.54/hour introductory through year-end
www.unite.ai ↗MAI-Voice-2.1 supports 23 languages/26 locales at $22 per 1M characters; Flash shares languages but targets high-volume, low-latency use (150ms end-to-end)
www.unite.ai ↗
Reviewed: 照合日時：
What happened何が起きたか
Microsoft AI released MAI-Transcribe-2-Streaming, its first streaming transcription model, alongside two text-to-speech models, MAI-Voice-2.1 and MAI-Voice-2.1-Flash, on October 1, 2026, all through Microsoft Foundry. The transcription model handles 60 languages with automatic detection, producing first-pass hypotheses within about 100 milliseconds before committing a stable transcript; Microsoft says it ranks No. 1 for accuracy on the Artificial Analysis streaming leaderboard. MAI-Voice-2.1 supports 23 languages and 26 locales with consistent speaker identity across languages, priced at $22 per 1M characters, while Flash targets high-volume, latency-sensitive use at 150 milliseconds end-to-end latency. MAI-Transcribe-2-Streaming carries an introductory price of $0.54 per hour of audio through year-end.Microsoft AIは2026年10月1日、初のストリーミング文字起こしモデルMAI-Transcribe-2-Streamingと、音声合成モデルMAI-Voice-2.1、MAI-Voice-2.1-Flashを発表した。いずれもMicrosoft Foundryを通じて利用できる。文字起こしモデルは60言語に対応し自動で言語を判定、話者が話し終える前に約100ミリ秒で暫定の文字起こしを出し、その後安定した結果に確定する。MicrosoftはArtificial Analysisのストリーミング部門リーダーボードで精度1位だとしている。MAI-Voice-2.1は23言語・26ロケールに対応し、言語を切り替えても同じ話者の声を保てる機能を持ち、価格は100万文字あたり22ドル。Flash版は高負荷・低遅延用途向けで、応答遅延は150ミリ秒。MAI-Transcribe-2-Streamingは年末まで1時間あたり0.54ドルの導入価格で提供される。
Why it matters何が変わるのか
Microsoft is pitching the models at developers building customer-service agents, tutoring apps, live captioning and voice assistants, letting systems react mid-sentence instead of waiting for a speaker to finish. Microsoft also built a demo called Chatter in its MAI Playground to showcase the models working together.Microsoftはカスタマーサポートの音声エージェント、学習アプリ、ライブ字幕、音声アシスタントなどを開発する企業や開発者をターゲットにしており、話者が話し終える前に反応できるシステムの構築を可能にする。MicrosoftはこれらのモデルをまとめてデモするChatterという新機能もMAI Playgroundに追加した。
A little context · terms in this story理解の手がかり · この記事の用語
- AI agent
- Software that uses an AI model and tools to carry out steps toward a task. How independently it can act depends on the product and the permissions you give it.AIモデルとツールを使い、目的に向けて複数の手順を実行するソフトウェア。自律的に動ける範囲は製品や与える権限によって異なります。
Read the sources原典を読む
The marked texts informed this summary. Other links provide related coverage; a link is not independent verification.印のある記事本文を要約の材料にしています。ほかは関連情報です。リンクの数は独立した裏付けの数を意味しません。
The Rundown AItherundown.aiRelated publication関連する掲載記事Text used in this brief要約の材料に使用
Unite.AIunite.aiRelated publication関連する掲載記事Text used in this brief要約の材料に使用
PYMNTSpymnts.comRelated publication関連する掲載記事Text used in this brief要約の材料に使用
microsoft.aimicrosoft.aiRelated publication関連する掲載記事
Show 1 more source links残り1件の出典を見る
More in AIAIのほかの記事
MiniMax launches M3.1 Flash, cuts agent task costs 70%MiniMax、M3.1 Flash発表 エージェント費用7割減
12 linked sites関連12サイト
Mistral launches Voxtral 3 speech models and voice agent SDKMistral、音声エージェントSDK「Voxtral 3」公開
1 linked site関連1サイト
Anthropic opens Claude Duet preview on waitlistAnthropic、Claude Duetの先行体験開始
19 linked sites関連19サイト