微软推出 MAI-Transcribe-2：支持 60 种语言，词错误率达 5.2%
微软推出语音转文字 AI 模型 MAI-Transcribe-2。根据公司公布的数据，该模型在 FLEURS 测试中，无论指定语言还是自动识别语言，平均词错误率均为 5.2%。在同一比较中，其表现略优于 Gemini 3.1 Pro，并明显优于 GPT-Transcribe 和 Whisper v3-Large。微软称，MAI-Transcribe-2 的速度最高达到 GPT-Transcribe 的 10 倍。模型支持 60 种语言、自动语言识别、语言切换、说话人分离和逐词时间戳，也能处理噪声环境下的录音。verbatim 模式保留语气词和口误，clean 模式则将其删除。优惠价格截至 2026 年底为每小时 0.10 美元。开发者可通过 Microsoft Foundry、MAI Playground 和 OpenRouter 使用。
本文来源：AIbase，仅供学习参考，版权归原作者所有。