微软新ASR模型比GPT-Transcribe快10倍，每小时只要0.1美元

动察 Beating AI 快讯，Microsoft AI 发布 MAI-Transcribe-2，并在 Microsoft Foundry 开放公共预览。新模型支持 60 种语言，新增说话人区分、逐词时间戳和专业词汇偏置。开发者可以提前塞入人名、药名或行业术语，减少冷门词被听错。 这次提升最明显的是速度。Artificial Analysis 的非实时转写测试里，MAI-Transcribe-2 达到约 410.7 倍实时速度，也就是 1 小时录音理论上约 9 秒处理完。GPT-Transcribe 约为 40 倍，前者快约 10 倍；Gemini 3.5 Transcribe 约为 89.8 倍。 准确率也在第一梯队。它在 FLEURS 的 60 种语言测试中平均 WER（词错误率，越低越好）为 5.2%，排名第一；在 Artificial Analysis 的另一套非实时英文测试中 WER 为 2.0%，排第二，仅低于阿里 Fun-Realtime-ASR-preview 的 1.7%。 价格目前只有每小时 0.10 美元，上一代 MAI-Transcribe-1.5 是 0.36 美元。不过这是限时价格，只持续到 2026 年 12 月 31 日，之后正式价格还没有公布。