微软最强转录 AI 模型：MAI-Transcribe-2 登场，60 语种平均词错误率 5.2%

微软于9月3日发布新款AI语音转文字模型MAI-Transcribe-2，宣称具备更高速度、准确率与更低成本。该模型限时定价为每小时0.10美元，优惠持续至2026年底。在FLEURS测试集中，其强制指定语言与自动推断语言两种模式的平均词错误率均为5.2%，优于Gemini 3.1 Pro（5.3%/5.8%）、GPT-Transcribe（10.4%/10.6%）及Whisper v3-Large（22.8%/23.5%）。据Artificial Analysis评测，其处理速度较GPT-Transcribe快10倍，较Scribe v2快7倍，较Gemini 3.5 Transcribe快5倍。功能上新增说话人分离与逐词时间戳，支持verbatim（保留语气词）和clean（去除语气词）两种转写风格，并具备关键词偏置、自动语言识别及噪声环境转写能力。模型覆盖60种语言，可处理自然混用语言对话，开发者现可通过Microsoft Foundry、MAI Playground及OpenRouter调用试用。