تست قوی‌ترین هوش مصنوعی تبدیل صدا به متن مایکروسافت | MAI-Transcribe-2

مایکروسافت به‌تازگی از مدل هوش مصنوعی جدید خودش رونمایی کرده و ادعا کرده که این ابزار، سریع‌ترین، ارزان‌ترین و دقیق‌ترین هوش مصنوعی تبدیل گفتار به نوشتار در کل دنیاست. طبق اعلام رسمی، این مدل می‌تونه صدا رو با کمترین میزان خطا به بیش از ۶۰ زبان مختلف از جمله زبان فارسی پیاده‌سازی بکنه. توی این ویدیو رفتیم سراغ راستی‌آزمایی این ادعای بزرگ تا ببینیم آیا در عمل و به‌ویژه در درک جملات و لهجه فارسی واقعاً عملکرد بدون نقصی ارائه می‌ده یا صرفاً جنبه تبلیغاتی داره.

برای سنجش دقیق کارایی، یک فایل صوتی از پادکست فارسی رو داخل محیط آزمایشی قرار دادیم و عملکرد اون رو به‌صورت هم‌زمان با رقیب قدرتمندش یعنی مدل ترنسکرایب جمنای گوگل مقایسه کردیم. بنچمارک‌ها نشون می‌دن که این ابزار مایکروسافت تونسته مدل‌های مطرح بازار مثل ویسپر اوپن‌ای‌آی و نسخه‌های مختلف جمنای رو پشت سر بذاره. در تست عملی مواردی مثل دقت در نگارش کلمات فارسی، نحوه تشخیص و پیاده‌سازی اصطلاحات انگلیسی لابه‌لای صحبت‌ها، سیستم تفکیک گوینده‌ها و از همه مهم‌تر ویژگی برجسته تایم‌استمپ کلمه‌به‌کلمه مورد ارزیابی قرار گرفته.

اگرچه در رابط کاربری اولیه مشکلاتی مثل عدم پشتیبانی صحیح از زبان‌های راست‌چین به چشم می‌خوره، اما خروجی نهایی متن نشون‌دهنده تسلط فوق‌العاده این ابزار روی اصطلاحات عامیانه و فنیه. در این بررسی کامل متوجه می‌شید که هر کدوم از این هوش مصنوعی‌ها چه نقاط قوت و ضعفی دارن، سیستم تنظیم کلمات اختصاصی در هوش مصنوعی چه کمکی به کاهش خطا می‌کنه و در نهایت برای پیاده‌سازی پادکست، جلسات صوتی و ساخت زیرنویس ویدیوها کدوم ابزار رایگان ارزش استفاده بیشتری داره. نتایج این مقایسه نشون می‌ده که رقابت تبدیل صوت به متن وارد مرحله کاملاً متفاوتی شده.
––––––––––––––––––––––––––––––
لینک های معرفی
https://microsoft.ai/models/mai-transcribe-2
https://microsoft.ai/news/mai-transcribe-2-is-the-fastest-most-accurate-and-cheapest-speech-recognition-model-in-the-world/

دسترسی به
https://playground.microsoft.ai

بررسی Gemini 3.5 Transcribe
https://youtu.be/xCcbKZjNsO8
––––––––––––––––––––––––––––––
00:00 معرفی هوش مصنوعی جدید مایکروسافت
00:26 بررسی ادعای مایکروسافت و بنچمارک‌ها
01:19 مقایسه درصد خطای مدل با رقبا
04:12 مقایسه سرعت تبدیل صدا به متن
04:44 ورود به محیط تست و بارگذاری فایل صوتی
05:44 رونویسی همزمان با مدل جمنای گوگل
06:57 بررسی باگ راست‌چین در زبان فارسی
07:50 کپی کردن متن و ارزیابی دقت کلمات
08:48 تست کلمات تخصصی و نام‌های اختصاصی
10:48 ارزیابی قابلیت تایم‌استمپ کلمه‌به‌کلمه
12:27 محدودیت‌ها، مقایسه با جمنای و جمع‌بندی
––––––––––––––––––––––––––––––
کانال تلگرام رضاصاد پلاس
https://t.me/rezasaadplus
––––––––––––––––––––––––––––––
اینجا توی رضاصاد پلاس در مورد هوش مصنوعی و تکنولوژی‌های جدید حرف میزنیم Receive SMS online on sms24.me

TubeReader video aggregator is a website that collects and organizes online videos from the YouTube source. Video aggregation is done for different purposes, and TubeReader take different approaches to achieve their purpose.

Our try to collect videos of high quality or interest for visitors to view; the collection may be made by editors or may be based on community votes.

Another method is to base the collection on those videos most viewed, either at the aggregator site or at various popular video hosting sites.

TubeReader site exists to allow users to collect their own sets of videos, for personal use as well as for browsing and viewing by others; TubeReader can develop online communities around video sharing.

Our site allow users to create a personalized video playlist, for personal use as well as for browsing and viewing by others.

@YouTubeReaderBot allows you to subscribe to Youtube channels.

By using @YouTubeReaderBot Bot you agree with YouTube Terms of Service.

Use the @YouTubeReaderBot telegram bot to be the first to be notified when new videos are released on your favorite channels.

Look for new videos or channels and share them with your friends.

You can start using our bot from this video, subscribe now to تست قوی‌ترین هوش مصنوعی تبدیل صدا به متن مایکروسافت | MAI-Transcribe-2

What is YouTube?

YouTube is a free video sharing website that makes it easy to watch online videos. You can even create and upload your own videos to share with others. Originally created in 2005, YouTube is now one of the most popular sites on the Web, with visitors watching around 6 billion hours of video every month.