News Tests bei Microsoft ge­star­tet: MAI ermöglicht natürli­chere Echtzeit-Gesprä­che als Co­pilot

[the_IT_Guy]

Naja...
Soweit davon entfernt waren sie ja nicht...

Ich musste auch sofort an Sam denken.

Danke für das Video, das kannte ich noch nicht.

 

[k0ntr]

@k0ntr für Blinde wäre dies bestimmt ein interessantes Feature. Wobei Blinde oft traniert sind und text to spech auf 3-5 Fach laufen lassen. Und denen normales tempo vielleicht zu langsam sein könnte.

es gibt nichts schlimmeres als in ein land zu reisen wo man keinen gemeinsamen nenner hat. ob mit der örtlichen polizei, irgendwelche auskünfte etc. genau hier wäre eine gute KI als übersetzer super

 

[-=[CrysiS]=-]

Moin,
ich stecke da überhaupt nicht drin…

Aber gibt es eine App oder so: Wo ich z.B. deutsch rein spreche und es gleich z.B. spanisch raus kommt? Das, wäre ja der

 

[Chrisos]

Das heißt Milliardäre können das Geschehen auf der Welt beeinflussen, würde

Und dann? Irgendwann wird die alte Technik ersetzt. Die Infrastruktur muss beim Hersteller der Hardwarekomponenten massiv ausgebaut werden. Es sei der KI Markt bereinigt sich indem einige KI Rechenzentrumbetreiber aufgeben bzw. die Blase teilweise platzt.

Heißt das die Preise nie wieder sinken? Im schlimmsten Falle.

 

[Haldi]

es gibt nichts schlimmeres als in ein land zu reisen wo man keinen gemeinsamen nenner hat.

Es gibt nichts schöneres als in ein Land zu Reisen wo man kein einziges Wort kann!
Nach par Tagen kann man das wichtigste wie Bier und Essen bestellen. Den rest findet man fast überal mit Google Maps.

Und sonst gibt es immer noch den Point It.

https://www.langenscheidt.com/shop/ukrainisch/reise/langenscheidt-ohnewoerterbuch

Aber gibt es eine App oder so: Wo ich z.B. deutsch rein spreche und es gleich z.B. spanisch raus kommt? Das, wäre ja der

Kann Google Translate schon Lange.
Einfach Reinsprechen und es kommt in Sprache XYZ raus.

Dann gibt es den Conversation Modus wo 2 Leute mit 2 sprachen reden und es live immer direkt übersetzt.

 

[k0ntr]

@Haldi ja aber das gilt nur für entspannte situationen. selbst das mit handzeichen (ausser man kann gebärdesprache) ist in ernsten angelegneheiten nicht viel wert.

 

[Xood]

Wieviel mehr Rechenlast bedeutet das am Ende?

Grob gesagt laufen beide Verfahren, also Sprache-zu-Text und Text-zu-Sprache, sehr gut auf jedem PC, auf dem heute noch Windows 11 läuft. Sagen wir mal eine €100 CPU.
Anders sieht es bei der eigentlichen „Denkleistung“ aus. Ohne GPU macht das keinen Spaß, und selbst mit GPU ist normale Consumer-Hardware aktuell noch nicht wirklich dafür ausgelegt.

Ich lasse beides lokal laufen. Die CPU-Last fällt dabei kaum auf, zumal die Verarbeitung immer nur von kurzer Dauer ist.

Was bei diesem „MAI Realtime“ aus dem Artikel jedoch nicht ganz klar wird: Ist das tatsächlich ein Modell, das alles in einem Durchlauf macht? Versteht es also die Spracheingabe, kann darüber „nachdenken“ beziehungsweise eine Antwort erzeugen wie ein LLM und erzeugt anschließend direkt wieder die Sprachausgabe?

Oder ist es nur ein kombiniertes System, bei dem die einzelnen Teile intern weiterhin getrennt arbeiten?

Ich nutze eine klassische Trennung. Jeder Dienst läuft einzeln:
1. STT, also Speech-to-Text, nimmt die Audiodaten entgegen und erzeugt daraus Text.
2. Dieser Text geht an ein LLM (Qwen, Gemma, so was wie ChatGPT), das daraus eine Antwort erzeugt.
3. Der Antworttext geht anschließend an ein TTS, also Text-to-Speech, das daraus wieder eine Audioausgabe erzeugt.

Lokal hat natürlich den Vorteil, dass die Daten nicht das "Haus" verlassen. Außerdem ist es in der Regel schneller und, wie ich finde, zuverlässiger und flexibler. Es ersetzt aber kein GPT-5.6 Sol oder Claude/Fable, sondern ergänzt diese Modelle.

 

[-=[CrysiS]=-]

@Haldi
Vielen Dank! Es geht tatsächlich

 

[Haldi]

ist in ernsten angelegneheiten nicht viel wert.

Wenn du in Afrika im Zoll rausgenommen willst weil sie Kohle von dir wollen dann wartest du Erstmal 3 Stunden.
Ob du jetzt ihre Sprache kannst oder nicht ^^

 

[tree-snake]

In einigen Bereichen hat die KI mir die Arbeit bzw. mein Hobby leichter gemacht gemacht. Kommen aber immer KI Modelle auf den Markt werden sich einige verabschieden bzw. das Handtuch werfen. Aus meiner Sicht ist es zuviel...und die großen Firmen wie MS oder Apple haben lange geschlafen.

MS hat mit Copilot über O365 auf quasi jeden Firmen PC doch schon wieder eine sehr gute Ausgangsposition.
Und Visual Studio ist sicher auch weit verbreitet.

 

[SSD960]

Das heißt Milliardäre können das Geschehen auf der Welt beeinflussen, würde

Heißt das die Preise nie wieder sinken? Im schlimmsten Falle.

Zumindest wird das lange dauern...