微软发布 MAI-Transcribe-2-Streaming 实时语音转文字模型
微软 AI 于 10 月 1 日发布首个流式语音转文字模型 MAI-Transcribe-2-Streaming，同时推出 MAI-Voice-2.1 和 MAI-Voice-2.1-Flash 两款 TTS 模型。该模型在 Artificial Analysis 的 38 个模型评测中，最终转写和首个部分转写准确率均排第一：最终转写词错率 2.5%、语音结束后 0.13 秒出结果；首个部分转写同样 2.5%、0.12 秒。支持 60 种语言自动检测，收到音频后约 100ms 即输出初步结果，微软称内部测试出词速度…
推荐理由实时转写 0.13 秒出结果、词错率 2.5%，做语音 Agent 可据此选型