微软推出流式转写 AI 模型 MAI-Transcribe-2-Streaming

微软推出流式转写 AI 模型 MAI-Transcribe-2-Streaming

微软最近宣布推出了一款名为 MAI-Transcribe-2-Streaming 的实时流式语音转写模型。这款模型可以在讲话进行时持续输出文字，是目前流式转写领域的佼佼者。

MAI-Transcribe-2-Streaming 的主要优势在于其极高的准确性和极低的延迟。根据官方数据，这款模型的词错误率仅为 2.5%，而延迟仅为 0.13 秒，这意味着用户可以说一句，模型就能几乎同时输出对应的文字，非常流畅。

此外，这款模型还支持 60 种语言，并且能够自动检测讲话的语言，这让它在国际交流和多语言场景中非常有用。对于需要实时翻译或记录会议、讲座等场景的用户来说，这是一个巨大的进步。

价格方面，MAI-Transcribe-2-Streaming 目前处于优惠阶段，每小时费用为 0.54 美元，约合 3.6 元人民币。虽然比微软之前推出的非流式版本 MAI-Transcribe-2（每小时 0.10 美元，约合 0.67 元人民币）贵一些，但考虑到其流式转写的优势，这个价格对于需要实时转写的应用来说还是很有竞争力的。

开发者可以通过 Microsoft Foundry、MAI Playground、OpenRouter 等渠道体验或接入这款模型。这意味着很多应用可以很快集成这项技术，为用户提供更好的实时语音转写体验。

总的来说，MAI-Transcribe-2-Streaming 的推出标志着微软在流式语音转写领域取得了重要进展。随着技术的不断成熟和价格的进一步优化，这项技术有望在更多场景中得到应用，为用户带来更多便利。

来源：流式转录 AI 新标杆：微软 MAI-Transcribe-2-Streaming 登场，2.5% 词错误率、0.13 秒延迟夺冠