Azure AI Speech unterstützt 25 weitere Sprachen und verarbeitet Audio bis zu doppelt so schnell
Microsoft hat LLM Speech 09-2026 für Azure AI Speech veröffentlicht. Die neue Version unterstützt 25 zusätzliche Sprachen, darunter 11 indische, und verkürzt die Verarbeitungszeit gegenüber der Version 2607 um bis zu das Doppelte. Das Update steht über die Fast Transcription API bereit, wie der Microsoft-Foundry-Blog mitteilt.
- LLM Speech 09-2026 ergänzt Azure AI Speech um 25 Sprachen, darunter 11 indische.
- Microsoft nennt insgesamt 50 Sprachen mit mehr als 60 Locales.
- Die Verarbeitung ist bis zu doppelt so schnell wie bei 2607, vor allem bei 5 bis 10 Sekunden langem Audio mit hoher Parallelität.
- Interne Auswertungen zeigen bis zu 25 Prozent bessere Token Error Rate und 37 Prozent bessere Entity Error Rate.
- Kunden müssen nichts tun; das Update wird automatisch über die Fast Transcription API ausgerollt.
Größere Abdeckung bei Sprachen und Regionalvarianten
Das neue Modell erweitert die unterstützten Sprachen, wobei der Schwerpunkt auf zusätzlichen indischen Sprachen liegt. Neu hinzu kommen die indischen Locales Assamesisch, Bengalisch, Gujarati, Kannada, Malayalam, Marathi, Odia, Punjabi, Tamil, Telugu und Urdu. Außerdem ergänzt Microsoft Katalanisch, Malaiisch und Walisisch. Laut Microsoft umfasst die vollständige Liste nun 50 Sprachen und mehr als 60 Locales.
Das Modell ist nach Angaben von Microsoft für Audiomaterial gedacht, in dem Sprecher innerhalb einer Aufnahme mehrere Sprachen verwenden, sowie für regionale Varianten einer Sprache wie britisches, amerikanisches und indisches Englisch. Als Beispiel nennt das Unternehmen eine ärztliche Konsultation in Kuwait: Der Arzt spricht Arabisch, der Patient antwortet auf Hindi, und die Notizen werden auf Englisch verfasst. LLM Speech bewältige das in einem einzigen Transkriptionsaufruf, so Microsoft.
Genauigkeit, Tempo und stille Audiospuren
Gegenüber dem Release 2607 meldet Microsoft auf Basis interner Auswertungen Verbesserungen: bis zu 25 Prozent bei der Token Error Rate und 37 Prozent bei der Entity Error Rate. Die Zahlen stammen aus internen und öffentlichen Benchmarks wie GigaSpeech und VoxPopuli. Besonders deutlich seien die Fortschritte bei Entitäten aus dem Bereich Quartalszahlen in Finanzszenarien, so das Unternehmen.
Beim Tempo verarbeitet LLM Speech 09-2026 Audio bis zu doppelt so schnell wie 2607. Am stärksten fällt die Verbesserung laut Microsoft bei kurzen Aufnahmen von 5 bis 10 Sekunden bei hoher Parallelität aus, also bei mehreren gleichzeitigen Streams. Außerdem setzt die Version die Arbeit an stillen und leeren Audiospuren fort, damit Stille nicht als Inhalt behandelt wird. Das verringere Halluzinationen und liefere nachgelagerten Anwendungen sauberere Ausgaben, erklärt Microsoft.
Mehrsprachiger Modus und Phrasenlisten
LLM Speech arbeitet standardmäßig im mehrsprachigen Modus. Microsoft rät, auf Locale-Hinweise zu verzichten, wenn eine Datei mehr als eine unterstützte Sprache enthält. Ein Locale-Hinweis eigne sich für tatsächlich einsprachiges Audio und sei kein Mittel, um die Erkennung eines gemischtsprachigen Gesprächs zu erzwingen. Ist die Locale einer Datei bekannt, kann deren Angabe laut Blogbeitrag die Genauigkeit verbessern und die Latenz minimieren.
Das Modell kann die Sprache außerdem automatisch erkennen, wenn kein Locale-Code angegeben wird. Mit der Fast Transcription lassen sich zusätzliche Optionen kombinieren, darunter diarization, phraseList, locales, profanityFilterMode und channels. Für Produktnamen, Akronyme und Fachbegriffe unterstützt LLM Speech über den dafür vorgesehenen Parameter phraseList bis zu 2.000 Phrasen.
Verfügbarkeit und Folgen für Nutzer
Entwickler können das Modell im Foundry Playground (Azure Speech, Speech to Text) oder über die REST API und das SDK ausprobieren. Als Zielszenarien nennt Microsoft Sprachagenten, Meeting-Transkription, Contact-Center-Analysen und Untertitelung von Medieninhalten.
Für Kunden ist keine Aktion erforderlich. Microsoft zufolge wird das Update serverseitig automatisch ausgerollt, sodass bestehende Nutzer der Fast Transcription API die Änderungen ohne Migration erhalten sollen.
Microsoft Foundry: Announcing Azure AI Speech LLM 09-2026: Broader locale support
