Microsoft、MAI-Transcribe-2を発表、過去最高の精度を誇るこの音声文字起こしモデルは、60言語に対応し、1時間あたりわずか0.67元で利用可能
Microsoftは、業界最速かつ最も高精度、コスト効率に優れたAI音声テキスト変換ソリューションとして位置づける「MAI-Transcribe-2」をリリースしました。時間あたり0.10ドル(約0.67人民元)というプロモーション価格で提供され、このオファーは2026年末まで有効です。

比類ない精度と速度:GPT-Transcribeの10倍の処理速度
FLEURSデータセットでのパフォーマンスベンチマークによると、MAI-Transcribe-2は強制言語モードと自動検出モードの両方で、平均単語誤り率(WER)5.2%を達成しました。比較すると、Gemini 3.1 Proはそれぞれ5.3%と5.8%、GPT-Transcribeは10.4%と10.6%、Whisper v3-Largeは22.8%と23.5%でした。
処理速度について、MicrosoftはArtificial Analysisのデータを引用し、MAI-Transcribe-2がGPT-Transcribeより10倍、Scribe v2より7倍、Gemini 3.5 Transcribeより5倍高速であると示しています。
高度な機能:話者識別、タイムスタンプ、60言語対応
主要機能には、録音内の異なる声を識別し、正しい話者にテキストを割り当てる話者分離機能が含まれます。単語レベルのタイムスタンプにより、正確なオーディオナビゲーション、編集、字幕同期が可能になります。
ユーザーは文字起こしスタイルをカスタマイズできます。法的または分析的な正確性を保つため、フィラーワードや誤りをそのまま残す「逐語モード」と、読みやすいメモや字幕のためにそれらを削除する「クリーンモード」から選択可能です。また、このモデルはキーワードバイアス、自動言語検出、動的な言語切り替え、ノイズの多い環境での堅牢なパフォーマンスにも対応しています。60言語をサポートしており、事前に言語設定を指定することなく、多言語会話をシームレスに処理します。
開発者は、Microsoft Foundry、MAI Playground、OpenRouterを通じてモデルにアクセスまたはテストできます。
関連記事
MeituHub、8月5日の公式ローンチとともにAI画像生産ラインを公開
2026美图画像祭で「AI画像生産ライン」MeituHubが正式に公開され、単一シーンのAIツール提供者から包括的かつカスタマイズ可能な画像ワークフローサービス提供者への移行を示した。今年度の画像祭のフラッグシップ製品であるMeituHubは8月5日にリリース予定。さらに、イベントではZCOOL、Picchi、Meitu Design Room、Kaimai、Artflo、MVLAND、RoboNeoの7つの専門製品が紹介された。これらの専門ツールとは異なり、MeituHubはMeituのコ
騰訊、Hunyuan Hy4のモデルサイズを倍増させてAI推進を加速、モルガン・スタンレーが目標株価を550香港ドルに引き上げ
騰訊は正式に「幻源 Hy4」のプレビュー版を公開し、モルガン・スタンレーが9月に予測した時期よりも先行して公開を加速させ、同社の第2四半期決算で約束した年内のモデル公開を実現した。2025年第4四半期に姚順宇を首席AI科学者に任命して以来、騰訊はモデルの反復を大幅に加速させている。4月にHy3のプレビュー版を公開し、7月にHy3の正式版をリリースした後の、Hy4プレビュー版の早期登場は、当初第4四半期に予定されていた正式版の公開が、予想よりもさらに早く行われる可能性を示唆している。技術面では、幻
ピアソンのデイブ・トリート氏:AIは学習を導くべきであり、不正を助長すべきではない
ピアソンの最高技術責任者(CTO)、デイブ・トリート学術的誠実性、AIの導入、そして主体性を持つAIが教育を変革する中で重要となるスキルについてデイブ・トリート氏は約2年前にピアソンの最高技術責任者(CTO)として入社し、その後最高情報責任者(CIO)に就任して、同社のテクノロジーポートフォリオ全体を統括している。この異動は、彼が育ってきた分野への復帰を意味した。「この仕事で最も気に入っている点は
関連特集おすすめ
コメント (0)
0/500
Microsoftは、業界最速かつ最も高精度、コスト効率に優れたAI音声テキスト変換ソリューションとして位置づける「MAI-Transcribe-2」をリリースしました。時間あたり0.10ドル(約0.67人民元)というプロモーション価格で提供され、このオファーは2026年末まで有効です。

比類ない精度と速度:GPT-Transcribeの10倍の処理速度
FLEURSデータセットでのパフォーマンスベンチマークによると、MAI-Transcribe-2は強制言語モードと自動検出モードの両方で、平均単語誤り率(WER)5.2%を達成しました。比較すると、Gemini 3.1 Proはそれぞれ5.3%と5.8%、GPT-Transcribeは10.4%と10.6%、Whisper v3-Largeは22.8%と23.5%でした。
処理速度について、MicrosoftはArtificial Analysisのデータを引用し、MAI-Transcribe-2がGPT-Transcribeより10倍、Scribe v2より7倍、Gemini 3.5 Transcribeより5倍高速であると示しています。
高度な機能:話者識別、タイムスタンプ、60言語対応
主要機能には、録音内の異なる声を識別し、正しい話者にテキストを割り当てる話者分離機能が含まれます。単語レベルのタイムスタンプにより、正確なオーディオナビゲーション、編集、字幕同期が可能になります。
ユーザーは文字起こしスタイルをカスタマイズできます。法的または分析的な正確性を保つため、フィラーワードや誤りをそのまま残す「逐語モード」と、読みやすいメモや字幕のためにそれらを削除する「クリーンモード」から選択可能です。また、このモデルはキーワードバイアス、自動言語検出、動的な言語切り替え、ノイズの多い環境での堅牢なパフォーマンスにも対応しています。60言語をサポートしており、事前に言語設定を指定することなく、多言語会話をシームレスに処理します。
開発者は、Microsoft Foundry、MAI Playground、OpenRouterを通じてモデルにアクセスまたはテストできます。
MeituHub、8月5日の公式ローンチとともにAI画像生産ラインを公開
2026美图画像祭で「AI画像生産ライン」MeituHubが正式に公開され、単一シーンのAIツール提供者から包括的かつカスタマイズ可能な画像ワークフローサービス提供者への移行を示した。今年度の画像祭のフラッグシップ製品であるMeituHubは8月5日にリリース予定。さらに、イベントではZCOOL、Picchi、Meitu Design Room、Kaimai、Artflo、MVLAND、RoboNeoの7つの専門製品が紹介された。これらの専門ツールとは異なり、MeituHubはMeituのコ
騰訊、Hunyuan Hy4のモデルサイズを倍増させてAI推進を加速、モルガン・スタンレーが目標株価を550香港ドルに引き上げ
騰訊は正式に「幻源 Hy4」のプレビュー版を公開し、モルガン・スタンレーが9月に予測した時期よりも先行して公開を加速させ、同社の第2四半期決算で約束した年内のモデル公開を実現した。2025年第4四半期に姚順宇を首席AI科学者に任命して以来、騰訊はモデルの反復を大幅に加速させている。4月にHy3のプレビュー版を公開し、7月にHy3の正式版をリリースした後の、Hy4プレビュー版の早期登場は、当初第4四半期に予定されていた正式版の公開が、予想よりもさらに早く行われる可能性を示唆している。技術面では、幻
ピアソンのデイブ・トリート氏:AIは学習を導くべきであり、不正を助長すべきではない
ピアソンの最高技術責任者(CTO)、デイブ・トリート学術的誠実性、AIの導入、そして主体性を持つAIが教育を変革する中で重要となるスキルについてデイブ・トリート氏は約2年前にピアソンの最高技術責任者(CTO)として入社し、その後最高情報責任者(CIO)に就任して、同社のテクノロジーポートフォリオ全体を統括している。この異動は、彼が育ってきた分野への復帰を意味した。「この仕事で最も気に入っている点は





家






