Microsoft AI 于 2026 年 10 月 1 日发布了其首个实时语音转文本模型 MAI-Transcribe-2-Streaming。该模型在 Artificial Analysis 的最终和初始部分转录准确性方面均排名第 38 位竞争对手之首,实现了 2.5% 的词错误率 (WER) 和极低的延迟。它支持 60 种语言,并提供连续语言检测,使代理能够处理句子中间的信息。初始定价为每小时 0.54 美元,可通过 API 或 MAI Playground 进行集成。 AI
影响 该模型的高准确性和低延迟有望显著改进语音代理和实时转录服务。
排序理由 Microsoft AI 实验室发布了一款具有基准性能声明的新语音转文本模型。
在 Mastodon — mastodon.social 阅读 →
- Artificial Analysis
- Azure Speech SDK
- Cartesia Ink-2
- Grok Voice Transcribe 2.0
- MAI Playground
- MAI-Transcribe-2-Streaming
- MAI-Voice-2.1
- MAI-Voice-2.1-Flash
- Meta
- Microsoft AI
- Muse Voice Transcribe
- OpenAI
AI 生成摘要 · Google Gemini · 来自 4 个来源。 我们如何撰写摘要 →