Azure AI Speech LLM 09-2026: 25 Yeni Dil ve 2x Hız
Azure AI Speech’in LLM tabanlı transkripsiyon modeli, LLM Speech 09-2026 sürümüyle 25 yeni dil kazandı, işleme süresi de kısaldı. Sürüm, 2607 ile gelen çok dilli tanıma ve phrase list iyileştirmelerinin üzerine kuruluyor; sesli ajanlar, toplantı transkripsiyonu, çağrı merkezi analitiği ve medya altyazılama senaryolarında dil desteği genişliyor, sonuçlar daha erken dönüyor. Dağıtım servis tarafında otomatik yapıldığı için müşteri tarafında yapılması gereken bir işlem yok.
Yeni dil ve locale kapsamı
09-2026 modelinin kapsamı en çok Indic dillerinde genişliyor. Eklenen Indic locale’ler şunlar: Assamese, Bengali, Gujarati, Kannada, Malayalam, Marathi, Odia, Punjabi, Tamil, Telugu ve Urdu. Listeye ayrıca Catalan, Malay ve Welsh girdi. Microsoft’un belirttiğine göre güncel kapsam, 60’tan fazla locale’i içeren 50 dile ulaşıyor.
Dil sayısı kadar, aynı dilin bölgesel varyantlarının ayırt edilebilmesi de önemli. British English, American English ve Indian English gibi varyantların daha iyi ele alınması, tek bir ses kaydında birden fazla dilin ve aksanın geçtiği gerçek konuşmalarda işe yarıyor. Kaynakta verilen örnek senaryo Kuveyt’teki bir klinik görüşme. Doktor Arapça konuşuyor, hasta Hintçe, notlar İngilizce tutuluyor ve bunların hepsi tek bir transkripsiyon çağrısıyla karşılanabiliyor.
Doğruluk ve hız tarafındaki kazanımlar
Microsoft’un paylaştığı iç değerlendirmelere göre 2607 sürümüne kıyasla doğruluk ölçülebilir biçimde artmış. GigaSpeech ve VoxPopuli gibi dahili ve genel benchmark’larda Token Error Rate metriğinde %25’e, Entity Error Rate metriğinde %37’ye varan iyileşme bildiriliyor; iyileşmenin finansal senaryolardaki kazanç (earnings) alanı varlıklarında öne çıktığı belirtiliyor. Rakamlar Microsoft’un kendi iç değerlendirmelerine dayanıyor, kendi veri kümenizdeki sonuç farklılaşabilir.
Hız tarafında 09-2026 sürümü, 2607’ye göre 2 kata kadar daha hızlı işleme sunuyor. Kazanım en çok yüksek eşzamanlılıkta (aynı anda birden fazla akış) işlenen 5-10 saniyelik kısa ses kayıtlarında hissediliyor. Yüksek hacimli veya gecikmeye duyarlı iş yüklerinde bu, transkriptlerin daha erken dönmesi demek.
Bir iyileştirme de sessiz ve boş ses kayıtlarına karşı dayanıklılıkta. Sessizlik içerik gibi değerlendirilmediği için halüsinasyon üretimi azalıyor, transkripti tüketen alt sistemler daha temiz çıktı alıyor.
Çok dilli mod varsayılan davranış
LLM Speech varsayılan olarak çok dilli modda çalışıyor. Bir ses dosyası desteklenen birden fazla dil içeriyorsa locale ipucu vermemeniz öneriliyor. Müşterinin İngilizce başlayıp bir detayı açıklamak için İspanyolcaya geçtiği, sonra yine İngilizceye döndüğü bir görüşmede modele dil dayatmak yerine otomatik algılamaya bırakmak doğru yaklaşım.
Locale ipucu, gerçekten tek dilli olduğundan emin olduğunuz ses kayıtları için anlamlı; orada locale belirtmek doğruluğu artırabilir, gecikmeyi azaltabilir. Karışık dilli bir konuşmada tanımayı zorlamanın yolu olarak kullanılmamalı.
REST API ile kullanım
Transkripsiyon isteği multipart/form-data içerik tipiyle gönderiliyor, ses dosyası ve istek gövdesi özellikleri aynı istekte yer alıyor. Kaynakta paylaşılan cURL örneği şöyle:
curl --location 'https://YourResourceName.cognitiveservices.azure.com/speechtotext/transcriptions:transcribe?api-version=2025-10-15'
--header 'Content-Type: multipart/form-data'
--header 'Ocp-Apim-Subscription-Key: <YourSpeechResourceKey>'
--form 'audio=@"YourAudioFile.wav"'
--form 'definition={
"enhancedMode": {
"enabled": true,
"task": "transcribe",
"prompt": ["Output must be in lexical format."]
},
"diarization": {
"maxSpeakers": 2,
"enabled": true
},
"phraseList":{
"phrases":["Kenichi Kumatani","John McDonough"]
},
"locales":[en-in, gu-in, en-us],
"profanityFilterMode": "Masked"
}'İsteği uyarlarken YourSpeechResoureKey yerine Speech kaynağınızın anahtarını, YourResourceName yerine kaynak adınızı, YourAudioFile yerine de ses dosyanızın yolunu yazmanız gerekiyor. Locale kodu belirtmeden de transkripsiyon yapabilirsiniz, model uygun dili ses içeriğine göre kendisi algılayıp seçiyor.
Fast transcription ile ek yapılandırma seçeneklerini birleştirerek diarization, phraseList, locales, profanityFilterMode ve channels gibi gelişmiş özellikleri etkinleştirebilirsiniz.
Phrase list ile terim doğruluğu
Ürün adları, kısaltmalar ve alana özgü terimler için isteğinize bir phrase list eklemek öneriliyor. LLM Speech, özel phraseList parametresi üzerinden 2.000 ifadeye kadar destek veriyor. Marka adlarının ve teknik terminolojinin yoğun olduğu çağrı merkezi ya da sektörel senaryolarda doğruluğu artırmanın en doğrudan yolu bu.
Erişim ve başlangıç
LLM Speech 09-2026, Fast Transcription API üzerinden kullanılabiliyor. Modeli REST API, SDK ya da Foundry Playground içindeki Azure Speech – Speech to Text deneyimiyle deneyebilirsiniz. Güncelleme servis tarafında otomatik dağıtıldığından mevcut iş akışlarınız için tanımlanmış ek bir geçiş adımı yok; yine de API yapılandırması ve migrasyon detayları için Microsoft’un ilgili dokümanlarına bakmakta fayda var.
Kaynaklar ve İleri Okuma
- Announcing Azure AI Speech LLM 09-2026: Broader locale support (Rena Liu, Microsoft Foundry Blog)
- Azure AI Speech LLM 2607 duyurusu
- LLM Speech genel bakış dokümanı
- Fast transcription API kullanımı
- Phrase list ile doğruluğu artırma
- API migrasyonu ve istek yapılandırması
- Foundry Playground
- Azure AI Speech LLM 2607: Çok Dilli Doğrulukta Ne Değişti?
20+ yıl deneyimli Azure Solutions Architect. Microsoft sertifikalı bulut mimari ve DevOps danışmanı. Azure, yapay zekâ ve bulut teknolojileri üzerine Türkçe teknik içerikler üretiyor.
Yorum gönder