微软（MSFT）发布新一代AI语音转文字模型MAI-Transcribe-2

金吾财讯 | 据外媒9月4日消息，微软（MSFT）正式推出MAI-Transcribe-2，称其是目前自家速度最快、精度最高同时成本最低的AI语音转文字模型。定价上，该模型上线推出限时优惠，单价0.10美元/小时（约0.67元人民币），优惠有效期至2026年底。在性能评测FLEURS数据集当中，该模型无论是强制指定语言还是自动识别语言模式，平均词错误率均为5.2%，优于Gemini 3.1Pro、GPT-Transcribe、Whisper v3-Large等主流模型。第三方评测Artificial Analysis数据显示，MAI-Transcribe-2速度相比GPT-Transcribe快10倍，较Scribe v2快7倍，比Gemini 3.5 Transcribe快5倍。

功能层面，模型新增说话人分离能力，能够区分录音里不同发言者；同时提供逐词时间戳，方便音频检索、剪辑以及字幕对齐。此外，还提供两种转写风格，verbatim模式完整保留语气词、口误，适配合规分析场景；clean模式过滤冗余语气词，输出适合对外发布的字幕、笔记文本。除此之外还支持关键词偏置、自动语种识别、语种切换以及嘈杂环境下的转写，一共覆盖60种语言，可处理多语言混杂对话。开发者现已可以通过Microsoft Foundry、MAI Playground、OpenRouter调用体验该模型。