音声認識

Microsoftがストリーミング文字起こしモデル「MAI-Transcribe-2-Streaming」を公開。100ミリ秒強の超低遅延を実現し、音声エージェント開発の常識を覆す。既存の音声認識APIの限界を突破するこの技術が、我々のプロダクトにどのようなインパクトを与えるのか、その技術的本質を深掘りする。