MAI-Transcribe-2 正式亮相：性能卓越的语音转写模型仅需 0.67 元/小时

微软正式发布 MAI-Transcribe-2 语音识别模型，官方号称其是公司史上最快、最准且最实惠的转写模型。在性能评测中，其词错误率低至 5.2%，且在处理速度上较 GPT-Transcribe 等竞品有显著优势，处理效率快达 10 倍。

该模型功能全面，支持自动语言识别、说话人分离以及关键词偏置等高级功能，能够应对复杂的噪声环境。其提供的多种转写模式——“verbatim（逐字）”模式保留语气词以满足合规审计需求，“clean（精简）”模式则为字幕生成提供更平滑的文本，大大拓展了应用范围。

目前，用户可通过 Microsoft Foundry 和 OpenRouter 调用该模型，并在 2026 年底前享受 0.10 美元/小时（约 0.67 元人民币）的优惠价格。这一极具竞争力的定价，预计将推动语音转录技术在更广泛的生产力场景中普及。