Azure AI Speech は、多言語ポストストリームリファインメントをパブリックプレビューでリリースしました。この新機能により、リアルタイム文字起こしのために事前に単一言語を選択する必要がなくなりました。これにより、単一ストリームで同じセッション内の複数の言語を自動的に検出し、文字起こしできるようになります。現実世界の会話では言語間のコードスイッチングが頻繁に発生するため、これは大きな進歩です。リファインされたトランスクリプトは、初期ストリーミング遅延を増加させることなく、精度が向上しています。社内テストでは、Tier-1 ロケール全体で平均して単語エラー率が約 10% 削減されました。長い発話や固有名詞のような難しいコンテンツでは、さらに大きな削減が見られます。このシステムは、29 のマーケットロケールにわたる 25 言語の自動言語検出をサポートしています。このパブリックプレビューは、6 つの Azure リージョンで利用可能です。ユーザーは、Speech SDK 1.50 以降と、サポートされているリージョンのスピーチリソースを使用してこの機能を利用できます。有効化するには、SpeechConfig の簡単な設定変更が必要です。この機能強化は、最終的なトランスクリプトを保存または処理するアプリケーションに特に役立ちます。さまざまな業界の顧客から、すでに肯定的な文字起こし品質の向上が報告されています。一般提供に向けて、フィードバックを歓迎します。