微软首个流式转录模型 MAI-Transcribe-2-Streaming 登顶 Artificial Analysis
talkingdev • 2026-10-02
2018 views
微软近日发布旗下首个流式语音转写模型 MAI-Transcribe-2-Streaming，并同步推出 MAI-Voice-2.1 与 MAI-Voice-2.1-Flash 语音生成模型。新模型在 Artificial Analysis 基准中登顶，展示出高准确率、低延迟和低成本优势。MAI-Transcribe-2-Streaming 支持 60 种语言实时转写，具备自动、连续语言检测能力，可无缝处理多语混合场景，适合会议纪要、实时字幕、客服对话等应用。MAI-Voice-2.1 系列覆盖 23 种语言和 26 个地区，允许开发者以单一语音身份在多语言环境中保持稳定音色，降低语音交互产品架构复杂度。这一布局将语音理解与生成能力模块化，为构建低延迟、高保真的对话式 AI 体验提供了关键基础设施，也标志着微软在语音 AI 赛道进一步加码。
核心要点
- 微软发布首个流式转录模型 MAI-Transcribe-2-Streaming，支持 60 种语言实时转写与自动连续语言检测。
- 同步推出 MAI-Voice-2.1 与 Flash，覆盖 23 种语言和 26 个地区，可保持单一语音一致性。
- 新模型在 Artificial Analysis 基准登顶，体现高精度、低延迟与低成本优势，强化对话式 AI 构建能力。