微软发布MAI-Transcribe-2-Streaming语音转写模型
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 Artificial Analysis 的 AA-WER Streaming 榜单，该模型以 2.5% WER、语音结束后 0.13 秒返回最终转写，在 38 个模型中排名第一，超过此前第一的 Grok Voice Transcribe 2.0（2.7% WER、0.49 秒）。Microsoft AI CEO Mustafa Suleyman 同日表示，该模型是全球最准确的实时转写模型。后续 Suleyman 的帖文补充称，该模型在 Final Transcript 和 First Partial Transcript 两项准确率上均排名第一，并称其比 ElevenLabs 快 55%、更便宜。目前进展为发布并登顶该榜单。
AI 根据报道生成 · 46 分钟前更新
报道时间线
沿着报道，了解事件的不同侧面。
- X：Mustafa Suleyman（Microsoft AI CEO） (@mustafasuleyman)Microsoft 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，在 AA-WER Streaming 榜单以 2.5% WER、语音结束后 0.13s 出稿登顶 Final Transcript 和 First Partial Transcript 准确率第一，超过此前第一的 Grok Voice Transcribe 2.0（2.7%、0.49s）。作者称比 ElevenLabs 快 55%、便宜 60%；流式转写定价 $0.54/小时音频（$9.00/1000 分钟），非流式 $0.10/小时。
- X：Mustafa Suleyman（Microsoft AI CEO） (@mustafasuleyman)Microsoft AI 发布流式语音转写模型 MAI-Transcribe-2-Streaming，称实时转写准确率全球第一
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。据 Artificial Analysis，该模型在 AA-WER Streaming 上以 2.5% WER、语音结束后 0.13 秒出稿排名 38 个模型第一，超过此前第一 Grok Voice Transcribe 2.0 的 2.7% 和 0.49 秒；流式转写定价 $0.54 每小时音频，非流式 $0.10 每小时。作者称比 ElevenLabs 快 55%、便宜 60%，并邀请开发者在平台上构建智能体。
- X：Artificial Analysis (@ArtificialAnlys)Microsoft AI 发布流式语音转写模型 MAI-Transcribe-2-Streaming，以 2.5% WER 登顶 AA-WER Streaming
Microsoft AI 发布流式语音转写模型 MAI-Transcribe-2-Streaming，在 Artificial Analysis 的 AA-WER Streaming 榜单上以 2.5% WER、语音结束后 0.13 秒返回最终转写，在 38 个模型中排名第一，超过此前第一的 Grok Voice Transcribe 2.0（2.7% WER、0.49 秒）。
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。