资讯
微软发布 MAI-Transcribe-2 流式转录与 MAI-Voice 2.1 / Flash 语音套件
一句话：10 月 1 日微软发布首个流式转录模型 MAI-Transcribe-2-Streaming：支持 60 种语言、词错率约 2.5%、首字延迟约 0.13 秒，并配套 MAI-Voice 2.1 与轻量 Flash 语音模型，面向实时语音 agent。
背景
- 实时语音交互对「低延迟 + 高准确 + 多语言」要求极高，微软以自研 MAI 语音栈切入语音 agent 基础设施。
核心要点
- MAI-Transcribe-2-Streaming 是微软首个流式转录模型，支持 **60 种语言**，词错率（WER）约 **2.5%**。
为什么重要
- 把流式、超低延迟、多语言转录与语音合成做成统一自研栈，降低对第三方语音 API 的依赖，直接支撑 Copilot 与实时语音 agent。
关键事实速记
- 发布：2026-10-01（Microsoft）
- 转录：60 语言 / WER ~2.5%
- 延迟：首字 ~0.13s
- 配套：MAI-Voice 2.1 / Flash
- 场景：实时语音 agent
📂 原文链接：查看原文 →
← 返回资讯列表
AI8899 · 内容仅供学习参考