微软发布 MAI-Transcribe-2,其迄今为止最精准的转录模型,支持 60 种语言,每小时仅需 0.67 元
微软推出了 MAI-Transcribe-2,将其定位为业界速度最快、精度最高且最具成本效益的 AI 语音转文本解决方案。该方案以每小时 0.10 美元(约合 0.67 人民币)的促销价格提供,此优惠有效期至 2026 年底。

无与伦比的精度与速度:比 GPT-Transcribe 快 10 倍
在 FLEURS 数据集的性能基准测试中,MAI-Transcribe-2 在强制语言模式和自动检测模式下的平均词错误率(WER)均为 5.2%。相比之下,Gemini 3.1 Pro 的得分分别为 5.3% 和 5.8%,GPT-Transcribe 分别为 10.4% 和 10.6%,而 Whisper v3-Large 则分别为 22.8% 和 23.5%。
关于处理速度,微软引用了 Artificial Analysis 的数据,指出 MAI-Transcribe-2 的运行速度比 GPT-Transcribe 快 10 倍,比 Scribe v2 快 7 倍,比 Gemini 3.5 Transcribe 快 5 倍。
高级功能:说话人分离、时间戳及支持 60 种语言
主要功能包括说话人分离,该功能可识别录音中的不同声音,并将文本分配给正确的说话人。词级时间戳实现了精确的音频导航、编辑和字幕同步。
用户可以自定义转录风格:逐字模式保留填充词和错误,以确保法律或分析准确性;而清理模式则去除这些内容,以便生成易读的笔记和字幕。该模型还支持关键词偏向、自动语言检测、动态语言切换以及在嘈杂环境中的稳健性能。它覆盖 60 种语言,能够无缝处理多语言对话,无需预先指定语言设置。
开发者可以通过 Microsoft Foundry、MAI Playground 和 OpenRouter 访问或测试该模型。
相关文章
美图Hub 公布 AI 图像生产线,定于 8 月 5 日正式上线
2026美图影像节正式揭晓“AI图像生产线”MeituHub,标志着美图从单一场景AI工具提供商向全面定制化图像工作流服务提供商的转型。作为本届影像节的旗舰产品,MeituHub将于8月5日正式上线。此外,美图在活动中还推出了七款针对特定垂直场景的专用产品:站酷、Picchi、美图设计室、开麦、Artflo、MVLAND和RoboNeo。与这些专用工具不同,MeituHub旨在系统整合美图的核心图像能力,围绕不同的业务需求重构AI工作流。该平台具备AI Agent机制,可与用户协作定义需求,
腾讯加速AI布局,推出规模翻倍的混元Hy4模型,摩根士丹利将目标价上调至550港元
腾讯正式公布了混元Hy4的预览版,将其发布时间表提前至摩根士丹利9月预测之前,并兑现了公司在第二季度财报中承诺于年内发布该模型的目标。自2025年第四季度任命姚纯宇为首席AI科学家以来,腾讯显著加快了模型迭代速度。继4月发布Hy3预览版和7月正式推出Hy3之后,Hy4预览版的提前到来表明,原定于第四季度发布的正式版可能会比预期更早面世。在技术层面,混元Hy4预览版采用了混合专家(MoE)架构,在规模扩展和长上下文处理能力方面实现了重大飞跃。该模型拥有7700亿总参数量,是Hy3的2950亿的2倍
皮尔森公司的戴夫·特里特:人工智能应引导学习,而非作弊
皮尔森首席技术官戴夫·特里特关于学术诚信、人工智能的应用,以及在主动型人工智能重塑教育过程中至关重要的核心技能戴夫·特里特近两年前加入培生担任首席技术官,随后出任首席信息官,从而全面负责公司整个技术业务。此次职务变动标志着他重返自己成长的行业。“这份工作中我最喜欢的部分就是重返教育领域,”他说,“教育是我最初的职业道路。我家族中的其他人或多或少都是教师。现在,我知道自己也在通过学习帮助人们实现他们
相关专题推荐
评论 (0)
0/500
微软推出了 MAI-Transcribe-2,将其定位为业界速度最快、精度最高且最具成本效益的 AI 语音转文本解决方案。该方案以每小时 0.10 美元(约合 0.67 人民币)的促销价格提供,此优惠有效期至 2026 年底。

无与伦比的精度与速度:比 GPT-Transcribe 快 10 倍
在 FLEURS 数据集的性能基准测试中,MAI-Transcribe-2 在强制语言模式和自动检测模式下的平均词错误率(WER)均为 5.2%。相比之下,Gemini 3.1 Pro 的得分分别为 5.3% 和 5.8%,GPT-Transcribe 分别为 10.4% 和 10.6%,而 Whisper v3-Large 则分别为 22.8% 和 23.5%。
关于处理速度,微软引用了 Artificial Analysis 的数据,指出 MAI-Transcribe-2 的运行速度比 GPT-Transcribe 快 10 倍,比 Scribe v2 快 7 倍,比 Gemini 3.5 Transcribe 快 5 倍。
高级功能:说话人分离、时间戳及支持 60 种语言
主要功能包括说话人分离,该功能可识别录音中的不同声音,并将文本分配给正确的说话人。词级时间戳实现了精确的音频导航、编辑和字幕同步。
用户可以自定义转录风格:逐字模式保留填充词和错误,以确保法律或分析准确性;而清理模式则去除这些内容,以便生成易读的笔记和字幕。该模型还支持关键词偏向、自动语言检测、动态语言切换以及在嘈杂环境中的稳健性能。它覆盖 60 种语言,能够无缝处理多语言对话,无需预先指定语言设置。
开发者可以通过 Microsoft Foundry、MAI Playground 和 OpenRouter 访问或测试该模型。
美图Hub 公布 AI 图像生产线,定于 8 月 5 日正式上线
2026美图影像节正式揭晓“AI图像生产线”MeituHub,标志着美图从单一场景AI工具提供商向全面定制化图像工作流服务提供商的转型。作为本届影像节的旗舰产品,MeituHub将于8月5日正式上线。此外,美图在活动中还推出了七款针对特定垂直场景的专用产品:站酷、Picchi、美图设计室、开麦、Artflo、MVLAND和RoboNeo。与这些专用工具不同,MeituHub旨在系统整合美图的核心图像能力,围绕不同的业务需求重构AI工作流。该平台具备AI Agent机制,可与用户协作定义需求,
腾讯加速AI布局,推出规模翻倍的混元Hy4模型,摩根士丹利将目标价上调至550港元
腾讯正式公布了混元Hy4的预览版,将其发布时间表提前至摩根士丹利9月预测之前,并兑现了公司在第二季度财报中承诺于年内发布该模型的目标。自2025年第四季度任命姚纯宇为首席AI科学家以来,腾讯显著加快了模型迭代速度。继4月发布Hy3预览版和7月正式推出Hy3之后,Hy4预览版的提前到来表明,原定于第四季度发布的正式版可能会比预期更早面世。在技术层面,混元Hy4预览版采用了混合专家(MoE)架构,在规模扩展和长上下文处理能力方面实现了重大飞跃。该模型拥有7700亿总参数量,是Hy3的2950亿的2倍
皮尔森公司的戴夫·特里特:人工智能应引导学习,而非作弊
皮尔森首席技术官戴夫·特里特关于学术诚信、人工智能的应用,以及在主动型人工智能重塑教育过程中至关重要的核心技能戴夫·特里特近两年前加入培生担任首席技术官,随后出任首席信息官,从而全面负责公司整个技术业务。此次职务变动标志着他重返自己成长的行业。“这份工作中我最喜欢的部分就是重返教育领域,”他说,“教育是我最初的职业道路。我家族中的其他人或多或少都是教师。现在,我知道自己也在通过学习帮助人们实现他们





首页






