സാൻഫ്രാൻസിസ്കോ: ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് രംഗത്ത് വിപ്ലവകരമായ മാറ്റങ്ങൾ ലക്ഷ്യമിട്ട് മൈക്രോസോഫ്റ്റ് തങ്ങളുടെ മൂന്നാമത്തെ ഇൻ-ഹൗസ് എ.ഐ മോഡലായ MAI-Transcribe-1 പുറത്തിറക്കി. ലോകത്തിലെ തന്നെ ഏറ്റവും കൃത്യതയാർന്ന ട്രാൻസ്ക്രിപ്ഷൻ മോഡലാണിതെന്ന് അവകാശപ്പെടുന്ന ഇതിന്റെ പിഴവ് നിരക്ക് വെറും 3.9 ശതമാനം മാത്രമാണ്. ഇംഗ്ലീഷ്, ഹിന്ദി, അറബിക്, ചൈനീസ് തുടങ്ങി 25 ഓളം ഭാഷകളിൽ ഈ സേവനം ലഭ്യമാണ്. വ്യവസായ മാനദണ്ഡമായ ഫ്ലുവേസ് ബെഞ്ച്മാർക്കിൽ 11 പ്രധാന ഭാഷകളിൽ ഒന്നാം സ്ഥാനത്തെത്തിയ ഈ മോഡൽ, ഗൂഗിളിന്റെ ഏറ്റവും പുതിയ ജെമിനി 3.1 ഫ്ലാഷിനെ 11 ഭാഷകളിൽ പിന്നിലാക്കി എന്നത് ശ്രദ്ധേയമാണ്.
മൈക്രോസോഫ്റ്റ് ഫൗണ്ടറിയിൽ ലഭ്യമായ ഈ മോഡലിന്റെ മറ്റൊരു പ്രത്യേകത അതിന്റെ കുറഞ്ഞ ചിലവാണ്. ഒരു മണിക്കൂർ ഉപയോഗിക്കുന്നതിന് വെറും 0.36 ഡോളർ ( 33.34 രൂപ) മാത്രമേ ചിലവാകൂ. നിലവിലുള്ള അസൂർ ഫാസ്റ്റ് സേവനത്തേക്കാൾ 2.5 മടങ്ങ് വേഗതയിൽ പ്രവർത്തിക്കാനും ഇതിന് സാധിക്കും. നിലവിൽ റിയൽ-ടൈം ട്രാൻസ്ക്രിപ്ഷൻ സൗകര്യം ഇതിലില്ലെങ്കിലും ഭാവിയിൽ ആ ഫീചർ കൂടി ഉൾപ്പെടുത്തുമെന്ന് മൈക്രോസോഫ്റ്റ് വ്യക്തമാക്കി. സ്പീച്-ടു-ടെക്സ്റ്റ് ആവശ്യങ്ങൾക്കായി ഏറ്റവും മികച്ച ചോയിസായി ഈ മോഡൽ മാറുമെന്നാണ് ടെക് ലോകത്തെ വിലയിരുത്തൽ.
ട്രാൻസ്ക്രിപ്ഷൻ മോഡലിന് പുറമെ MAI-Voice-1, MAI-Image-2 എന്നീ രണ്ട് മോഡലുകൾ കൂടി മൈക്രോസോഫ്റ്റ് അവതരിപ്പിച്ചു. മനുഷ്യശബ്ദത്തിന് സമാനമായ രീതിയിൽ വികാരങ്ങളും പ്രകടനങ്ങളും ഉൾക്കൊള്ളുന്ന ശബ്ദങ്ങൾ സൃഷ്ടിക്കാൻ MAI-Voice-1ന് കഴിയും. വെറും ഒരു സെക്കൻഡിനുള്ളിൽ 60 സെക്കൻഡ് ദൈർഘ്യമുള്ള ഓഡിയോ നിർമിക്കാൻ ശേഷിയുള്ള ഈ മോഡൽ കോപൈലറ്റ് പോഡ്കാസ്റ്റുകളിൽ ലഭ്യമാണ്. പ്രകടനത്തിലും വേഗതയിലും ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്ന MAI-Image-2 ചിത്രങ്ങൾ അതിവേഗത്തിൽ നിർമിക്കാൻ സഹായിക്കുന്ന ഒന്നാണ്. ഗൂഗ്ളിന്റെയും ഓപൺ എ.ഐയുടെയും വലിയ ഭാഷ മോഡലുകൾക്ക് പകരമായി കുറഞ്ഞ ചിലവിൽ ലഭ്യമാകുന്ന ഇത്തരം ചെറിയ മോഡലുകളിലൂടെ വിപണി പിടിക്കാനാണ് മൈക്രോസോഫ്റ്റ് ലക്ഷ്യമിടുന്നത്.
