Heim
Microsoft stellt MAI-Transcribe-2 vor, sein bisher genauestes Transkriptionsmodell, das 60 Sprachen unterstützt – und das für nur 0,67 Yuan pro Stunde.
Microsoft hat MAI-Transcribe-2 auf den Markt gebracht und positioniert es als die schnellste, präziseste und kosteneffizienteste KI-gestützte Lösung für die Spracherkennung der Branche. Zu einem Sonderpreis von 0,10 US-Dollar (ca. 0,67 RMB) pro Stunde ist dieses Angebot bis Ende 2026 gültig.

Unübertroffene Genauigkeit und Geschwindigkeit: 10-mal schneller als GPT-Transcribe
Leistungsbewertungen auf dem FLEURS-Datensatz zeigen, dass MAI-Transcribe-2 eine durchschnittliche Wortfehlerquote (WER) von 5,2 % sowohl im erzwungenen Sprachmodus als auch im automatischen Erkennungsmodus erreicht. Im Vergleich dazu erzielten Gemini 3.1 Pro 5,3 % bzw. 5,8 %, GPT-Transcribe 10,4 % bzw. 10,6 %, während Whisper v3-Large 22,8 % bzw. 23,5 % aufwies.
Bezüglich der Verarbeitungsgeschwindigkeit verweist Microsoft auf Daten von Artificial Analysis, die belegen, dass MAI-Transcribe-2 10-mal schneller als GPT-Transcribe, 7-mal schneller als Scribe v2 und 5-mal schneller als Gemini 3.5 Transcribe arbeitet.
Erweiterte Funktionen: Sprechererkennung, Zeitstempel und 60 Sprachen
Zu den Kernfunktionen gehört die Sprechererkennung (Speaker Diarization), die verschiedene Stimmen in einer Aufnahme identifiziert und den Text dem jeweiligen Sprecher zuordnet. Zeitstempel auf Wortebene ermöglichen eine präzise Audio-Navigation, Bearbeitung und Untertitel-Synchronisierung.
Nutzer können den Transkriptionsstil anpassen: Der Verbatim-Modus behält Füllwörter und Fehler bei, um rechtliche oder analytische Genauigkeit zu gewährleisten, während der Clean-Modus diese entfernt, um lesbare Notizen und Untertitel zu erstellen. Das Modell unterstützt zudem Keyword-Bias (Schlüsselwort-Präferenz), automatische Spracherkennung, dynamisches Sprachwechseln und eine robuste Leistung in lauten Umgebungen. Mit Unterstützung für 60 Sprachen bewältigt es gemischtsprachige Gespräche nahtlos, ohne dass vorab spezifische Spracheinstellungen erforderlich sind.
Entwickler können das Modell über Microsoft Foundry, MAI Playground und OpenRouter nutzen oder testen.
Verwandter Artikel
MeituHub stellt die KI-Bildproduktionslinie mit offizieller Einführung am 5. August vor
Das 2026 Meitu Image Festival hat offiziell die „AI Image Production Line“ MeituHub vorgestellt, was den Übergang von Meitu von einem Anbieter einzelner KI-Tools zu einem umfassenden Dienstleister für maßgeschneiderte Bildarbeitsabläufe signalisiert.
Tencent beschleunigt den KI-Fortschritt mit doppelt so großem Hunyuan Hy4, Morgan Stanley erhöht Kursziel auf 550 HKD
Tencent hat offiziell die Vorschau auf HuanYuan Hy4 enthüllt, wodurch der Zeitplan vor der Prognose von Morgan Stanley für September vorgezogen wurde und das Versprechen des Unternehmens aus dem Q2-Geschäftsbericht erfüllt wurde, das Modell noch im l
Dave Treat von Pearson: KI sollte das Lernen unterstützen, nicht betrügen
Dave Treat, Chief Technology Officer bei PearsonÜber akademische Integrität, den Einsatz von KI und die entscheidenden Kompetenzen, die bei der Transformation des Bildungswesens durch agentische KI ei
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)
Microsoft hat MAI-Transcribe-2 auf den Markt gebracht und positioniert es als die schnellste, präziseste und kosteneffizienteste KI-gestützte Lösung für die Spracherkennung der Branche. Zu einem Sonderpreis von 0,10 US-Dollar (ca. 0,67 RMB) pro Stunde ist dieses Angebot bis Ende 2026 gültig.

Unübertroffene Genauigkeit und Geschwindigkeit: 10-mal schneller als GPT-Transcribe
Leistungsbewertungen auf dem FLEURS-Datensatz zeigen, dass MAI-Transcribe-2 eine durchschnittliche Wortfehlerquote (WER) von 5,2 % sowohl im erzwungenen Sprachmodus als auch im automatischen Erkennungsmodus erreicht. Im Vergleich dazu erzielten Gemini 3.1 Pro 5,3 % bzw. 5,8 %, GPT-Transcribe 10,4 % bzw. 10,6 %, während Whisper v3-Large 22,8 % bzw. 23,5 % aufwies.
Bezüglich der Verarbeitungsgeschwindigkeit verweist Microsoft auf Daten von Artificial Analysis, die belegen, dass MAI-Transcribe-2 10-mal schneller als GPT-Transcribe, 7-mal schneller als Scribe v2 und 5-mal schneller als Gemini 3.5 Transcribe arbeitet.
Erweiterte Funktionen: Sprechererkennung, Zeitstempel und 60 Sprachen
Zu den Kernfunktionen gehört die Sprechererkennung (Speaker Diarization), die verschiedene Stimmen in einer Aufnahme identifiziert und den Text dem jeweiligen Sprecher zuordnet. Zeitstempel auf Wortebene ermöglichen eine präzise Audio-Navigation, Bearbeitung und Untertitel-Synchronisierung.
Nutzer können den Transkriptionsstil anpassen: Der Verbatim-Modus behält Füllwörter und Fehler bei, um rechtliche oder analytische Genauigkeit zu gewährleisten, während der Clean-Modus diese entfernt, um lesbare Notizen und Untertitel zu erstellen. Das Modell unterstützt zudem Keyword-Bias (Schlüsselwort-Präferenz), automatische Spracherkennung, dynamisches Sprachwechseln und eine robuste Leistung in lauten Umgebungen. Mit Unterstützung für 60 Sprachen bewältigt es gemischtsprachige Gespräche nahtlos, ohne dass vorab spezifische Spracheinstellungen erforderlich sind.
Entwickler können das Modell über Microsoft Foundry, MAI Playground und OpenRouter nutzen oder testen.
MeituHub stellt die KI-Bildproduktionslinie mit offizieller Einführung am 5. August vor
Das 2026 Meitu Image Festival hat offiziell die „AI Image Production Line“ MeituHub vorgestellt, was den Übergang von Meitu von einem Anbieter einzelner KI-Tools zu einem umfassenden Dienstleister für maßgeschneiderte Bildarbeitsabläufe signalisiert.
Tencent beschleunigt den KI-Fortschritt mit doppelt so großem Hunyuan Hy4, Morgan Stanley erhöht Kursziel auf 550 HKD
Tencent hat offiziell die Vorschau auf HuanYuan Hy4 enthüllt, wodurch der Zeitplan vor der Prognose von Morgan Stanley für September vorgezogen wurde und das Versprechen des Unternehmens aus dem Q2-Geschäftsbericht erfüllt wurde, das Modell noch im l
Dave Treat von Pearson: KI sollte das Lernen unterstützen, nicht betrügen
Dave Treat, Chief Technology Officer bei PearsonÜber akademische Integrität, den Einsatz von KI und die entscheidenden Kompetenzen, die bei der Transformation des Bildungswesens durch agentische KI ei











