微软推出流式转录模型 MAI-Transcribe-2-Streaming
2026-10-02 10:19
环球网
【环球网科技综合报道】10月2日消息，微软方面宣布微软人工智能推出首个流式转录模型 MAI-Transcribe-2-Streaming，以及两款文本转语音模型 MAI-Voice-2.1、MAI-Voice-2.1-Flash，均可通过 Microsoft Foundry 获取。
其中，MAI-Transcribe-2-Streaming模型支持60种语言，可低延迟实时转录并自动连续检测语言。微软称，其在 Artificial Analysis 最终和部分转录准确率排名中均居首，且兼顾准确率与延迟；最终词错误率2.5%，首次部分转录错误率2.8%，最终转录耗时0.13秒。
它无需等说话者说完，收到音频后100毫秒内生成初始假设，并随上下文修正。内部评估显示，其实时语音识别和字幕生成速度约为最接近竞品的两倍。
目前，该模型以每小时音频0.54美元优惠价发售至年底，并进一步扩展微软 MAI 音频产品线。（勃潺）
责编：李文瑶
版权作品，未经环球网 huanqiu.com 书面授权，严禁转载，违者将被追究法律责任。