微软发布 MAI 语音三件套,流式转写登顶 AA 榜单
10 月 2 日,微软 AI 负责人 Mustafa Suleyman 宣布推出 MAI-Transcribe-2-Streaming 流式语音转写模型,以及 MAI-Voice-2.1 和 MAI-Voice-2.1-Flash 两款语音模型,主打更自然的语音和更短的对话轮次等待,面向构建流畅对话的语音 agent。三款模型随后上线 LiveKit 平台。
已确认
- 据 Artificial Analysis 榜单,MAI-Transcribe-2-Streaming 在 Final Transcript 指标上达到 WER 2.5%,在 AA-WER Streaming 榜单登顶第一,语音结束后 0.13 秒 即产出最终结果。
- Suleyman 称该模型流式转写比此前方案快 55%、便宜 60%,准确率登顶。
- 定价方面,Artificial Analysis 报价显示为每小时 $0.54,即每 1000 分钟音频 $9.00,与 Gemini 3.5 Transcribe Live 相当,贵过多数竞品。
- 三款模型已上线 LiveKit 平台(据 @shashib 转发消息)。
- 曾任微软消费 AI(MAI)高管、亲手招聘该语音团队的 NandoDF 公开表示为团队成就骄傲,称微软语音团队重回第一。
为什么重要
- 语音 agent 是当前 AI 应用的热门方向,转写延迟与轮次等待时间直接影响对话体验;微软以更低延迟切入,与 Google(Gemini 3.5 Transcribe Live)等展开直接竞争。
- MAI-Voice-2.1 系列与转写模型配套上线,显示微软在语音技术栈上形成完整布局,并通过 LiveKit 等平台扩大开发者触达;前高管的高调肯定也侧面印证团队在语音赛道的竞争力。
2026-10-02 ~ 2026-10-03 · 6 条相关
一手来源
- 微软发布 MAI-Transcribe-2-Streaming:流式转写准确率登顶,快 55% 便宜 60% — mustafasuleyman ·
- MAI-Transcribe-2 流式转写 WER 2.5%,登顶 AA 榜单第一 — ArtificialAnlys ·
- 微软发布三款语音模型:MAI-Transcribe-2-Streaming 与 MAI-Voice-2.1 系列 — MicrosoftAI ·
- 【源头】微软发布三款语音模型:MAI-Transcribe-2-Streaming 与 MAI-Voice-2.1 系列 — MicrosoftAI · 2026-10-02
- 【源头】MAI-Transcribe-2 流式转写 WER 2.5%,登顶 AA 榜单第一 — ArtificialAnlys · 2026-10-02
- 微软 MAI-Transcribe-2 流式转写定价 $9/千分钟,贵过多数竞品 — ArtificialAnlys · 2026-10-02
- 【源头】微软发布 MAI-Transcribe-2-Streaming:流式转写准确率登顶,快 55% 便宜 60% — mustafasuleyman · 2026-10-02
- 微软 MAI 语音模型上线 LiveKit:流式转录登顶准确率榜 — shashib · 2026-10-03
- 微软再发 Transcribe-2-Streaming,前高管盛赞语音团队重回第一 — NandoDF · 2026-10-03