微软MAI-Transcribe-2登场 词错率5.2%

时间：2026 年 9 月 3 日（微软官方于美国时间发布，9 月 4 日被国内 IT 之家等媒体同步报道） 地点：美国华盛顿州雷德蒙德（微软总部），全球同步上线 人物：微软 MAI 团队 10 人核心小组（隶属微软 AI 部门，独立于公司内部官僚体系，负责语音识别模型迭代） 事件详情：微软于 9 月 3 日正式推出 MAI-Transcribe-2 AI 语音转文字模型，自称「迄今最快、最准确、最便宜」。在多语种转录权威基准 FLEURS 测试集上，60 种语言平均词错误率（WER）在强制指定语言与自动推断语言两种模式下均为 5.2%，优于 Google Gemini 3.1 Pro 的 5.3%/5.8%、OpenAI GPT-Transcribe 的 10.4%/10.6% 与 Whisper v3-Large 的 22.8%/23.5%。第三方机构 Artificial Analysis 评测显示速度比 GPT-Transcribe 快 10 倍、比 ElevenLabs Scribe v2 快 7 倍、比 Gemini 3.5 Transcribe 快 5 倍。上市限时定价 0.10 美元/小时（约合人民币 0.67 元）优惠持续至 2026 年底；初代 MAI-Transcribe 同口径定价 0.36 美元/小时，新版较其下降约 72%。功能上新增说话人分离、逐词时间戳、可配置 verbatim/clean 双转写风格、关键词偏置、自动语言识别、噪声环境转写、句中多语言切换（Hinglish、Spanglish 等混合场景），并已通过 Microsoft Foundry、MAI Playground 与 OpenRouter 三平台开放调用或试用。 背景：MAI-Transcribe-2 是微软 MAI 系列语音模型在五个月内的第三次迭代——4 月推出初代（25 种语言）、6 月推出 1.5 版（43 种），最新版跃升至 60 种。微软 AI 自 2026 年 4 月与 OpenAI 修订合作协议、结束对 OpenAI 模型的独家访问权并不再支付收入分成后，加快推出 MAI 自研模型以替代内部、外部场景中的 OpenAI 调用；初代 MAI-Transcribe 即由 10 人核心小团队完成，GPU 成本仅为同类前沿模型的一半。此次新版继续由该小组主导，延续「小团队+独立算力预算」的研发路径，同时把此前多属付费增值功能（说话人分镜、词级时间戳、关键词偏置、自动语种识别等）全部下放至基础定价。 影响：MAI-Transcribe-2 同时在 FLEURS 与 Artificial Analysis 词错误率排行进入前列、占据精度延迟帕累托前沿，对企业级转录、客服、会议字幕、合规分析、呼叫中心等场景形成强吸引力。以年处理 10 万小时呼叫中心音频的企业为例，使用新版后年支出可从 3.6 万美元降至 1 万美元，降幅 72%。其市场冲击包括三方面：1）进一步压缩 OpenAI、Google 在语音 API 上的定价空间，逼近甚至击穿现有价格带；2）将说话人分离、逐词时间戳等长期作为付费增值的功能纳入基础定价，重塑语音转录服务的产品分层；3）加速微软摆脱对 OpenAI 的依赖——MAI 系列正逐步接管 Azure AI、Copilot、Microsoft Foundry 中原本调用 OpenAI 的语音、智能体、办公等场景，为后续 MAI 多模态与 Agent 模型铺路。 总结：MAI-Transcribe-2 是微软「去 OpenAI 化」战略在语音 AI 维度的最新落地。凭借 60 语种 5.2% WER、10 倍于 GPT-Transcribe 的速度、0.10 美元/小时（限时）的极致性价比，微软正用 MAI 系列逐步接管过去必须调用 OpenAI 的语音与企业 AI 场景。预计 2026 年底前，MAI 系列将在 Copilot、Azure AI、Foundry 等产品中替代更多 OpenAI 模型，语音转录也将成为第一个被完整替换的高频业务模块。 参考来源： - IT 之家转载《微软最强转录 AI 模型：MAI-Transcribe-2 登场，60 语种平均词错误率 5.2%》：https://finance.sina.cn/tech/2026-09-04/detail-iniqriie6362369.d.html - 亿邦动力《微软发布 MAI-Transcribe-2 语音识别定价低至每小时 10 美分》：https://www.ebrun.com/20260904/704291.shtml - 太平洋科技《微软最强转录模型 MAI-Transcribe-2 登场：60 语种词错误率 5.2%，每小时仅 0.67 元》：https://www.pconline.com.cn/ai/2181/21815576.html - AIBase《Microsoft Releases MAI-Transcribe-2 Speech Recognition Model for $0.10 Per Hour》：https://www.aibase.com/news/30822 - 搜狐《微软发布 MAI-Transcribe-2 语音转写模型，限时优惠至 2026 年底》：https://www.sohu.com/a/1071705698_122066678 - 今日头条「AI 资讯 TOP10 精选」《微软发布 MAI-Transcribe-2：60 语种词错误率 5.2%》：https://www.toutiao.com/a1875360748042243 - Microsoft Foundry 模型市场（MAI-Transcribe-2 调用入口）：https://ai.azure.com/