مایکروسافت دو مدل هوش مصنوعی صوتی جدید را به‌صورت همزمان منتشر کرد. مدل MAI-Transcribe-2-Streaming برای رونویسی بلادرنگ صدا به متن طراحی شده و از ۶۰ زبان مختلف پشتیبانی می‌کند. مایکروسافت این مدل را در رده‌بندی Artificial Analysis از نظر دقت در رتبه اول قرار داده است.
مدل دوم، MAI-Voice-2.1، یک موتور متن‌به‌گفتار است که از ۲۳ زبان پشتیبانی می‌کند و قابلیت جابه‌جایی بین لهجه‌های مختلف را با حفظ هویت گوینده دارا دارد.
نسخه فلش (Flash) این مجموعه نیز با تأخیر حدود ۱۵۰ میلی‌ثانیه، سرعت استنتاج ۵۵ درصد بیشتر و هزینه ۶۰ درصد کمتر نسبت به مدل‌های مشابه در بازار عرضه شده است.
این انتشار در بستر رقابت فزایندۀ هوش مصنوعی صوتی در سطح جهانی رخ داده است. در همین راستا، ایران نیز با تکیه بر ظرفیت‌های علمی و صنعتی خود، توسعه مدل‌های زبانی و صوتی فارسی‌زبان را از اولویت‌های پیشرفت فناوری کشور خود قرار داده و در این حوزه گام‌های قابل‌توجهی برداشته است.
