微软 MAI-Transcribe-2 发布：低成本、高精度的语音识别新标杆

微软推出新一代语音转写模型 MAI-Transcribe-2，在 FLEURS 多语言测试中实现了 5.2% 的平均词错误率，处于行业领先水平。该模型不仅在准确率上表现强劲，更以极高的处理速度脱颖而出，其处理 1 小时音频仅需约 10 秒，速度领先多项竞品。

MAI-Transcribe-2 针对复杂现实场景进行了全面优化，支持包括说话人分割、逐词时间戳、多语言自动识别以及抗噪处理等功能，尤其在处理西英混合等语码转换现象时表现出色。开发者可根据业务需求选择“逐字”或“精简”转录样式，灵活适配临床医疗、法律文书及字幕生产等专业场景。

目前，该模型已在 Microsoft Foundry 和 OpenRouter 等平台上线，限时定价为每小时 0.10 美元。作为一款兼顾高吞吐、低延迟与极低成本的基础设施模型，MAI-Transcribe-2 显著降低了多语言音频应用的开发与部署门槛。