产业观察
微软AI发布MAI-Transcribe-2-Streaming：登顶Artificial Analysis实时语音转文字榜首
原标题: 微软AI发布MAI-Transcribe-2-Streaming：登顶Artificial Analysis实时语音转文字榜首
📋总体概括
微软AI发布其首个实时语音转文字模型MAI-Transcribe-2-Streaming，在Artificial Analysis的AA-WER Streaming榜单38个模型中排名第一。该模型最终转写文本词错率2.5%、延迟0.13秒，首个部分结果词错率2.5%、延迟0.12秒，支持60种语言并具备连续语言检测能力，介绍期定价每小时0.54美元，现已登陆Microsoft Foundry公开预览。这是微软自研语音模型体系向实时场景扩展的标志性一步。
⚡关键信息
- ▸微软AI发布首个实时语音转文字模型MAI-Transcribe-2-Streaming，已上线Microsoft Foundry公开预览
- ▸在Artificial Analysis AA-WER Streaming榜单38个模型中排名第一
- ▸最终转写词错率2.5%、延迟0.13秒；首个部分结果词错率2.5%、延迟0.12秒
- ▸支持60种语言，并具备连续语言自动检测能力
- ▸介绍期定价为每小时0.54美元
🔥犀利点评
2.5%的WER叠加0.13秒延迟，这个组合确实硬——实时语音识别的难点从来不是准确率或速度单拎一项，而是两者兼得，微软这次榜单登顶含金量不低。60种语言加连续语言检测瞄准的是会议、客服这类混合语言的真实场景，每小时0.54美元的介绍期定价明显是在冲量抢市场。但注意这是自家Foundry生态内预览，真实生产环境的中长音频表现、口音鲁棒性还有待验证，榜单第一和好用之间还隔着一段路。
📰 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 marktechpost.com 阅读全文 →