产业观察
流式转录 AI 新标杆：微软 MAI-Transcribe-2-Streaming 登场，2.5% 词错误率、0.13 秒延迟夺冠
📋总体概括
微软于10月1日发布首个实时流式语音转写模型MAI-Transcribe-2-Streaming，支持60种语言和自动语言检测。在Artificial Analysis对28个流式语音转文字模型的测试中，该模型以0.13秒最终转录延迟、2.50%词错误率排名第一。音频接收后约100多毫秒即可输出部分文本，语音出现后约320毫秒即可显示文字。目前处优惠阶段，定价每小时0.54美元，可通过Microsoft Foundry、MAI Playground、OpenRouter等渠道接入，此前非流式版本定价仅每小时0.10美元。
⚡关键信息
- ▸微软10月1日发布首个实时流式语音转写模型MAI-Transcribe-2-Streaming，支持60种语言及自动语言检测
- ▸在Artificial Analysis测试的28个流式语音转文字模型中，以0.13秒延迟、2.50%词错误率排名第一
- ▸接收音频约100多毫秒内输出部分文本，语音出现后约320毫秒即可显示文字，边讲边改、语句结束即提交稳定结果
- ▸流式版优惠价每小时0.54美元（约合每千分钟9美元），而非流式版MAI-Transcribe-2在Azure公共预览仅每小时0.10美元
- ▸开发者可通过Microsoft Foundry、MAI Playground、OpenRouter等渠道接入
🔥犀利点评
流式转写拼的就是延迟和准确率的平衡，微软这次直接拿下双榜第一，说明MAI自研模型线不是面子工程。但别急着欢呼：0.13秒是测试环境的最终延迟，真实网络波动下体验未必如此优雅；更关键的是流式版0.54美元/小时比非流式贵5倍，实时性溢价高企，等优惠期结束价格回落多少才是商业化的真正考题。
📰 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 →