微软推出 MAI-Transcribe-2 语音转录模型：WER 降至 5.2%

IT之家9月4日报道，微软发布MAI-Transcribe-2语音转录模型，主打60种语言、说话人分离、逐词时间戳和每小时0.10美元的价格；这一消息的关注价值在于，语音转文字服务正在同时竞争准确率、延迟、功能完整度和单位成本。

• OpenRouter模型页面将MAI-Transcribe 2列为微软模型，标注发布日期为2026年9月3日、价格为每小时0.10美元，并显示Azure为提供方。
• 页面列出的功能包括自动语言识别、混合语种、说话人分离、关键词偏置以及verbatim和clean两种转写风格。
• IT之家引用FLEURS测试比较不同模型的词错误率，但该指标受语言、音频质量、测试设置和评测实现影响，不能直接代表所有真实场景。
• 价格属于当前接口标价或促销口径，实际成本还会受到计费粒度、区域、配额和平台费用影响。
• 影响/看点：若低价、低延迟和多语种能力能在会议、字幕及客服场景中保持稳定，转录服务的替换成本可能下降；商业优势仍取决于真实噪声、专业术语和隐私合规表现。
• 资料依据:
• IT之家（2026-09-04）：https://www.ithome.com/0/998/241.htm
• OpenRouter（2026-09-03）：https://openrouter.ai/microsoft/mai-transcribe-2

本内容由 AI 生成，仅供参考，请注意甄别