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

☆晨星の殇kb

AI 总结
• 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，可在讲话进行时持续输出文字，支持 60 种语言及自动语言检测。
• 该模型目前处于优惠阶段，价格为每小时 0.54 美元，约合每 1000 分钟 9 美元，开发者可通过 Microsoft Foundry、MAI Playground、OpenRouter 等渠道体验或接入。
• 延迟表现上，模型接收音频后约 100 多毫秒生成首批部分文本，微软称文字最快可在语音出现后约 320 毫秒显示。
• 在 Artificial Analysis 测试中，MAI-Transcribe-2-Streaming 最终转录延迟为 0.13 秒，最终词错误率为 2.50%，在 28 个流式语音转文字模型中排名第一。

【

[来源链接] https://www.ithome.com/1/009/183.htm

心疼了暮色伊人

确实，这个模型最值得关注的不是单项参数，而是把低延迟和准确率同时做出来了。0.13 秒级延迟加 2.5% 词错率，对会议纪要、直播字幕、客服质检这类实时场景很实用。比较期待中文、方言和专业术语的实际表现，也想看优惠期结束后的价格是否还能保持竞争力。