微软发布MAI-Transcribe-2语音识别模型,每小时仅需0.1美元

微软9月3日正式发布新一代语音识别模型MAI-Transcribe-2。

在保持高精度的同时,其长音频处理速度最高可达领先竞争对手的10倍,处理1小时音频仅需约10秒。目前该模型已在MicrosoftFoundry、MAIPlayground及OpenRouter上线,并推出限时优惠价,每小时音频仅需0.10美元。MAI-Transcribe-2针对真实复杂场景进行了全面升级,集成说话人分割、词级时间戳、关键词偏好设置以及自动语言识别等功能,支持印式英语、西英混合语等语码转换现象,并具备极强的抗噪性能。MAI-Transcribe-2通过重新定义语音转写的准确率与延迟帕累托前沿,不仅显著降低了多语言音频的部署门槛,也为端到端实时语音生态的发展注入了新动能。

今日大家都在搜的词: