Azure AI Speech 09-2026 расширяет языковой охват; заявленное ускорение относится прежде всего к коротким записям при высокой параллельной нагрузке

В охвате нужно различать языки и локали

Основное расширение — 25 языков, среди которых 11 индийских. Microsoft перечисляет ассамский, бенгальский, гуджарати, каннада, малаялам, маратхи, одия, панджаби, тамильский, телугу и урду; среди других новых языков названы каталанский, малайский и валлийский. Заявленный общий охват — 50 языков и более 60 локалей. Несколько региональных вариантов могут относиться к одному языку, но требовать разных настроек локали.

Статья иллюстрирует смешанную речь консультацией в Кувейте, где в одной записи используются арабский, хинди и индийский английский. Это пример поставщика, а не клиническое внедрение, проверенное AISubHub. По нашему анализу, одноязычным архивам и разговорам с переключением языков нужны разные настройки. Полную таблицу поддержки по ссылке мы отдельно не изучали, поэтому исчерпывающий список условий здесь не приводится.

У показателей качества есть границы оценки

Microsoft связывает улучшения с внутренними оценками, использующими внутренние и публичные наборы, включая GigaSpeech и VoxPopuli. Компания сообщает об улучшении показателя Token Error Rate на величину до 25% и Entity Error Rate на 37%, особо выделяя сущности из отчётности о доходах в финансовых сценариях. Эти числа нельзя читать как прирост в процентных пунктах или обещание одинакового результата для любого языка, акцента и записи: основа расчёта не раскрыта.

В объявлении нет базовых значений ошибок, полного разбиения тестовых наборов, размеров выборок и достаточных настроек для воспроизведения. По нашему пониманию, оценка сущностей проверяет не только естественность текста, но и правильность значимых предметных терминов. Результат на финансовых сущностях не доказывает точность медицинской терминологии. Для такого вывода организации нужны собственные размеченные примеры со сложными именами и переключениями языков.

Ускорение зависит от нагрузки, а тишину нужно проверять отдельно

Сравнение проведено с LLM Speech 2607, а не со всеми речевыми продуктами или режимами Azure. Microsoft заявляет обработку до 2 раз быстрее, особенно для коротких записей по 5–10 секунд при высокой параллельности — нескольких потоках одновременно. Это характеристика обработки при заданной нагрузке, а не фиксированная сквозная задержка, гарантия потокового сервиса или доказательство пропорционального снижения счёта клиента.

Microsoft также сообщает о сокращении выдуманного содержимого на тишине и пустом аудио, но не приводит численную частоту. Сокращение не означает, что тишина никогда не превратится в текст. Наш анализ предполагает проверку и активных, и тихих входов: параллельные короткие записи показывают поведение пропускной способности, а пустые или бесшумные файлы помогают выявить выдуманный текст в последующей обработке. AISubHub таких тестов не проводил.

Рекомендацию для смешанных языков следует отделять от непроверенного примера

Для файла с несколькими поддерживаемыми языками текст говорит о включённом по умолчанию многоязычном режиме и рекомендует не задавать подсказки локали. Подсказка предлагается для действительно одноязычного аудио, а не для принудительного сведения смешанного разговора к одному языку. Это различие следует сохранить при чтении примера запроса.

Однако соседний пример содержит список locales, а пояснение описывает случай с известной локалью. Видимые значения списка не заключены в кавычки, поэтому показанный definition в таком виде не является корректным JSON. Мы не выполняли команду и не проверяли исправленный запрос. Сначала стоит определить одноязычный или смешанный сценарий, затем отдельно сверить текущую схему запроса: копирование образца не доказывает работающую интеграцию.

Списки фраз — отдельная настройка для названий продуктов, сокращений и специальной лексики. Microsoft указывает максимум 2 000 фраз через выделенный параметр phraseList. Это предел словарного ввода, а не обещание распознавания всех терминов и не замена оценке качества. Связанную документацию по настройке мы отдельно не читали.

Доступность не задаёт срок завершения развёртывания или цену

В объявлении Fast Transcription API назван способом доступа; также указаны REST, SDK и Foundry Playground. Microsoft пишет, что действий клиента не требуется и обновление будет автоматически развёрнуто на стороне сервиса. Точного времени завершения, списка регионов, условий тарифов учётной записи и изменения цены нет. Слова о доступности и будущем автоматическом развёртывании нельзя превращать в утверждение, что переключены уже все клиенты.

Из этих условий мы выводим порядок оценки: подтвердить доступность для нужного ресурса, выбрать обработку локалей по записям, проверить важную лексику и тишину, затем измерить целевую параллельную нагрузку. Это подход к проверке, а не испытанная конфигурация или подтверждение производительности. Для статьи не выполнялись вызовы API, развёртывание, сравнение платежей или независимые эксперименты с распознаванием.