Microsoft AI выкатила MAI-Transcribe-2-Streaming — первую потоковую модель транскрибации, занявшую №1 в рейтинге Artificial Analysis. Вместе с ней представлены две голосовые модели для разговорных агентов. Что внутри. Потоковая модель превращает шумное аудио в текст в реальном времени. MAI-Voice-2.1 обещает выразительный голос, а Flash-версия — минимальную задержку. Вместе с транскрибацией это набор для сборки голосового агента «без компромиссов». Подвох. Промо-страница пестрит эпитетами «expressive», «low-latency», «accurate», но ни слова про конкретные цифры задержки, точные баллы FLEURS или цену. Автор сам у Microsoft AI — любая оценка требует проверки на реальных задачах. Что это значит: Microsoft AI врывается в нишу потоковой транскрибации с рейтингом на руках. Конкретные метрики пока закрыты — оценивать будем по фактическим замерам.