MAI-Transcribe-2

产品简介

MAI-Transcribe-2 是微软 AI（Microsoft AI）于 2026 年 10 月 1 日发布的下一代语音转文字模型家族，包含 MAI-Transcribe-2-Streaming（流式版）、MAI-Transcribe-2（批处理版）与 MAI-Transcribe-2-Offline（离线版）三档，覆盖从实时会议字幕到离线电话录音整理的全部质量场景。

核心功能

• 流式转录：首块延迟行业领先，流式词错率 2.5% 拿下 Streaming WER Leaderboard 冠军。
• 离线批处理：精度最高的版本，适合电话录音、视频字幕、临床文档。
• 60 语言覆盖：覆盖普通话、粤语、英语、日韩、欧洲主要语种等。
• 说话人分离：自动识别多人对话中谁在说话。
• 词级时间戳：每个词精确时间戳，方便字幕、检索与对齐。
• 自动语种识别 + 代码切换：同一段音频中英混杂、方言切换也能准确处理。
• 关键词偏置：医疗、法律等专业术语可强制加权重。
• 多种转录风格：纯净版（去语气词）或逐字版（含嗯啊），按需配置。

特色优势

• 流式 WER 2.5% 创行业新低，登顶 Streaming WER Leaderboard。
• 流式价格仅 $0.54 / 小时音频，性价比领先。
• 字符输出价 $22 / 1M characters，适合大规模生产部署。
• 与 Azure Speech Service 深度集成，企业客户可直接用 Azure 密钥调用，无需额外集成层。
• 公共预览期无需申请，开发者可立即在 Microsoft Foundry 中测试。

应用场景

• 视频字幕自动生成：YouTube、B 站、抖音创作者批量字幕。
• 会议实时转录：Teams 会议、Zoom、Google Meet 自动纪要。
• 客服电话分析：客服中心通话转写、质检、话术优化。
• 临床病历记录：医生问诊自动转写为结构化文档。
• 法律取证：庭审录音、问询录音的精确转写。
• 无障碍工具：听障人士字幕、视障人士语音输入。
• 内容创作：播客与有声书后期字幕。

适用人群

客服与呼叫中心、视频平台运营、字幕组、法律科技公司、企业会议系统集成商、医疗信息化开发者、研究员。

出品方

Microsoft AI 语音团队（总部美国雷德蒙德），由 Microsoft Foundry Models 高级产品总监 Naomi Moneypenny 主导发布。

更新动态

2026 年 10 月 1 日 MAI-Transcribe-2 系列三款模型同步上线 Microsoft Foundry 与 Azure Speech Service。

官网链接

https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe