%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
VIP會員
微軟9月3日正式發佈新一代語音識別模型MAI-Transcribe-2。作爲迄今功能最強、效率更高的轉寫產品，該模型在 FLEURS 基準測試（涵蓋60種語言）中實現了5.2%的平均詞錯誤率(WER)，並在 Artificial Analysis 詞錯誤率排行榜中名列第二。
在保持高精度的同時，其長音頻處理速度最高可達領先競爭對手的10倍，處理1小時音頻僅需約10秒。目前該模型已在 Microsoft Foundry、MAI Playground 及 Open Router 上線，並推出限時優惠價，每小時音頻僅需0.10美元。
MAI-Transcribe-2針對真實複雜場景進行了全面升級，集成說話人分割、詞級時間戳、關鍵詞偏好設置以及自動語言識別等功能，支持印式英語（Hinglish）、西英混合語(Spanglish)等語碼轉換現象，並具備極強的抗噪性能。開發者還可根據需求在“逐字轉錄”與“精簡轉錄”樣式間自由切換，精準適配法律、臨牀、字幕及高合規分析等多樣化生產環境。
隨着AI應用從單模態交互向多模態及實時語音智能化演進，高吞吐、低延遲且低成本的語音基礎設施正在成爲關鍵競爭壁壘。MAI-Transcribe-2通過重新定義語音轉寫的準確率與延遲帕累託前沿，不僅顯著降低了多語言音頻的部署門檻，也爲端到端實時語音生態的發展注入了新動能。