ITCOW牛新网 9月4日消息，微软推出新一代 AI 语音转文字模型 MAI‑Transcribe‑2，官方将其定义为微软速度最快、准确率最高、成本最低的转录模型。
在 FLEURS 测试集当中，该模型覆盖 60 种语言，平均词错误率达到 5.2%，综合表现优于 Gemini 3.1 Pro、GPT‑Transcribe、Whisper v3‑Large 等市面上主流转录方案。第三方评测数据显示，MAI‑Transcribe‑2 的处理速度可达 GPT‑Transcribe 的 10 倍，对比 Scribe v2 快 7 倍，相比 Gemini 3.5 Transcribe 提升 5 倍。
模型新增说话人分离能力，能够区分同一段录音里的多位发言者，把转录文本对应到不同说话人。同时支持逐词时间戳输出，可服务于音频检索、内容编辑以及字幕对齐工作。还提供两套转录风格可选，verbatim 模式完整保留语气词与口误，适配合规核查、内容分析场景；clean 模式过滤冗余语气词，产出整洁可读的笔记与字幕文本。除此之外还支持关键词偏置、自动语种识别、多语言混杂对话识别以及高噪声环境下音频转写。
价格方面，该模型执行限时优惠，优惠政策持续至 2026 年底，收费标准为 0.1 美元每小时。开发者现已能够在 Microsoft Foundry、MAI Playground 以及 OpenRouter 平台完成调用与体验。