Microsoft发布MAI-Transcribe-2-Streaming模型
先了解这件事
2026年10月2日，Microsoft AI 发布流式语音转写模型 MAI-Transcribe-2-Streaming。据 X 平台账号 Artificial Analysis（@ArtificialAnlys）同日报道，该模型在 AA-WER Streaming 评测的 38 个模型中，以 2.5% 词错误率（WER）、语音结束后 0.13 秒返回最终转写，登顶 Final Transcript 与 First Partial Transcript 两项准确率排名。同日，Microsoft AI CEO Mustafa Suleyman（@mustafasuleyman）称其为全球最准确的实时转写模型，比 ElevenLabs 快 55%、便宜 60%，并称其超过此前第一的 Grok Voice Transcribe 2.0（2.7%、0.49 秒）；他给出的定价为流式转写每小时音频 0.54 美元，非流式每小时 0.10 美元（每 1,000 分钟 1.67 美元）。 【新】Microsoft AI 官方博客同日发布该模型，并同时宣布 MAI-Voice-2.1 与 MAI-Voice-2.1-Flash 两款语音模型。官方称该模型支持 60 种语言实时转录，收到音频约 100ms 即产出初步结果，内部评测显示字幕出现速度比最接近的竞品快 2 倍；官方给出的介绍价为每小时音频 0.54 美元，有效期至年底，并称其推理快 55%、比同类模型便宜约 60%。官方博客另列出每 100 万字符 22 美元、以及每 100 万字符 15 美元等定价，但未明确这些价格对应的具体模型。 各报道在 2.5% WER、0.13 秒、38 个模型中第一等数据上一致；模型的开放范围、地域限制等仍未披露。
AI 根据报道生成 · 1 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- Mustafa SuleymanMicrosoft AI 发布流式语音转写模型 MAI-Transcribe-2-Streaming
Microsoft AI 发布流式语音转写模型 MAI-Transcribe-2-Streaming，Mustafa Suleyman 称其为全球最准确的实时转写模型，比 ElevenLabs 快 55%、便宜 60%。引用的 Artificial Analysis 数据显示，该模型以 2.5% WER、语音结束后 0.13 秒出稿在 AA-WER Streaming 38 个模型中排名第一，超过此前第一的 Grok Voice Transcribe 2.0（2.7%、0.49s），流式定价为每小时音频 $0.54，非流式为 $0.10 每小时。
- Artificial AnalysisMicrosoft AI 发布流式语音转写模型 MAI-Transcribe-2-Streaming，登顶 AA-WER Streaming 准确率
Microsoft AI 发布流式语音转写模型 MAI-Transcribe-2-Streaming，在 AA-WER Streaming 评测的 38 个模型中以 2.5% WER、语音结束后 0.13 秒返回最终转写，登顶 Final Transcript 和 First Partial Transcript 准确率。
- Microsoft AI：官方博客Microsoft AI 发布 MAI-Transcribe-2-Streaming 及 MAI-Voice-2.1 系列语音模型
Microsoft AI 发布流式转录模型 MAI-Transcribe-2-Streaming，在 Artificial Analysis 准确率榜排名第一，支持 60 种语言实时转录，收到音频约 100ms 即产出初步结果，内部评测显示字幕出现速度比最接近的竞品快 2 倍，介绍价 $0.54 每小时音频。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。