微软9月3日宣布推出新一代AI语音转文字模型MAI-Transcribe-2,称其为公司最快、最准确、最便宜的语音识别模型,上市推广期定价0.10美元/音频小时,优惠持续至2026年年底,较此前的0.36美元/小时下降约72%。
新模型支持60种语言,新增说话人分离、可配置风格与词级时间戳等功能;据微软披露,其长音频处理速度最高可达竞品的10倍,约10秒即可处理1小时音频,并在FLEURS多语言基准测试中位列第一。
该模型将通过微软Foundry、MAI Playground与OpenRouter等渠道分发,被视为微软以自研MAI模型与OpenAI、谷歌及ElevenLabs在语音市场正面竞争的关键一步。
该文观点仅代表作者本人,企服科学平台仅提供信息存储空间服务。