资讯
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%
📋总体概括
微软于9月3日发布自称最快、最准、最便宜的语音转录模型MAI-Transcribe-2，支持60种语言，在FLEURS测试集上平均词错误率为5.2%，优于Gemini 3.1 Pro的5.3%/5.8%、GPT-Transcribe的约10.4%和Whisper v3-Large的22.8%。定价限时0.10美元/小时（约0.67元人民币），优惠至2026年底。这是微软MAI自研模型系列在语音方向落地的信号，直接对标OpenAI、Google和开源Whisper。
⚡关键信息
- ▸微软9月3日发布MAI-Transcribe-2，宣称是最快、最准、最便宜的AI语音转文字模型
- ▸支持60种语言，FLEURS测试集上指定语言和自动推断两种模式词错误率均为5.2%
- ▸对比优势明显：Gemini 3.1 Pro为5.3%/5.8%，GPT-Transcribe约10.4%，Whisper v3-Large高达22.8%/23.5%
- ▸上市限时定价0.10美元（约0.67元人民币）/小时，优惠持续至2026年年底
🔥犀利点评
微软这次是真刀真枪了——Whisper被摁在地上摩擦不稀奇，稀奇的是连Gemini 3.1 Pro都被压过一头。5.2%的词错误率配上0.1美元/小时的白菜价，摆明了要用价格战抢会议转录、字幕、客服语音这条刚需赛道。但自测数据听听就好，FLEURS偏学术朗读语料，真实场景的口音、噪声、多人重叠才是硬仗，等第三方评测说话。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 IT之家 阅读全文 →