
微软发布MAI-Transcribe-2语音识别模型,称速度最快、准确率最高且成本最低
来源标题:MAI-Transcribe-2: Fastest, most accurate and cheapest speech recognition model
微软推出语音识别模型MAI-Transcribe-2,称其在准确率和效率上均领先竞品。该模型在FLEURS基准60种语言上排名第一,平均词错误率为5.2%,并在Artificial Analysis准确率-延迟帕累托前沿上居首。它还新增说话人分离、可配置转写风格和词级时间戳等功能。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
推出 MAI‑Transcribe‑2。它不仅是我们迄今为止最强大的转写模型,也是所有竞品中能力最强、效率最高的一个。
凭借说话人分离、可配置转写风格、词级时间戳等新功能,MAI-Transcribe-2 在性能上超过了 Gemini 3.5 Transcribe、GPT-Transcribe、Whisper V3-Large 和 ScribeV2 等其他领先模型,同时还能处理更广泛类型的真实场景音频。 我们的模型在覆盖 60 种语言的 FLEURS 基准测试中排名第一,平均词错误率为 5.2%;在 Artificial Analysis 上定义了准确率与延迟的帕累托前沿;并在 Artificial Analysis 词错误率排行榜上位列第二,延续了此前版本的持续爬坡势头。
用一个模型解决更多难题 从临床记录到法律文书,从无障碍辅助到字幕生成,MAI-Transcribe-2 专为真实应用场景而设计,具备: MAI‑Transcribe‑2 的效率极为出色,在 Artificial Analysis 的准确率-延迟帕累托前沿上领先,将顶尖的转写质量与市场领先的批处理速度结合在一起。它比主要竞争对手的最新模型都快得多,在低延迟转写至关重要的场景中优势明显。 根据 Artificial Analysis 开展的评测,该模型比 OpenAI 的 GPT‑Transcribe 快 10 倍,比 ElevenLabs 的 Scribe v2 快 7 倍,比 Gemini 3.5 Transcribe 快 5 倍,同时准确率更高。
MAI‑Transcribe‑2 支持的语言数量超过其他任何模型,且在各类语言上都能保持准确。 我们在公开多语言基准 FLEURS 上的评测显示,它在所有测试语言上都保持了稳定一致的高准确率水平。需要跨多种语言转写的开发者可以只选用一个模型,从而降低复杂度,甚至可能避免 GPU 利用率方面的问题。
高效也意味着高性价比。MAI-Transcribe-2 的速度和吞吐能力让我们能够提供市场上最具竞争力的价格,帮助开发者在保证转写质量的前提下处理更多音频。发布初期,MAI-Transcribe-2 将限时定价为每小时 0.10 美元,优惠持续至今年年底。
MAI-Transcribe-2 的强大能力现已可通过 Microsoft Foundry、MAI Playground 和 Open Router 进行体验。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。