微軟推出首款自研即時串流語音轉錄模型，並更新MAI語音模型

摘要

微軟推出首款自研即時串流語音轉錄模型 MAI-Transcribe-2-Streaming，支援 60 種語言並具備極低延遲，同時更新文字轉語音模型 MAI-Voice 系列。內容介紹了這兩款模型的技術特點、準確度表現、適用場景與計費方式，讓讀者了解微軟在語音 AI 領域的最新進展。

Microsoft unveils its first self-developed real-time streaming speech-to-text model and updates its MAI-Voice text-to-speech series with new versions and pricing details.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• 微軟推出首款自研即時串流語音轉錄模型 MAI-Transcribe-2-Streaming。
• 同時更新 MAI-Voice 系列，包含高品質版與低延遲 Flash 版本。
• 介紹模型準確度、適用場景、計費方式與技術優勢。

提到的工具與公司

• MAI-Transcribe-2-Streaming
• MAI-Voice-2.1
• MAI-Voice-2.1-Flash
• Microsoft AI
• MAI

適合誰看

開發者、語音 AI 應用工程師或需要整合語音轉錄功能的企業決策者。

摘要依據

依據

文章全文

為什麼排在這裡

人氣

0.35

新鮮

1.00

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• Introducing gpt-transcribe and gpt-live-transcribe影片 ・ OpenAI ・ 2 分鐘
• A Developer’s Guide to Gemini 3.5 Transcribe影片 ・ Google Cloud Tech ・ 5 分鐘（在新分頁開啟原站）
• Mistral: Voxtral TTS, Forge, Leanstral, & what's next for Mistral 4 — w/ Pavan Kumar Reddy & Guillaume LamplePodcast ・ Latent Space ・ 49 分鐘
• The next generation of voice AI with Google DeepMind and Sierra AI影片 ・ Google for Developers ・ 5 分鐘（在新分頁開啟原站）
• Voice Loop — A Local Voice Agent in ~500 Lines of Python影片 ・ Trelis Research ・ 15 分鐘（在新分頁開啟原站）
• Speech Recognition Is Not a Solved Problem — Pavan Kumar ReddyPodcast ・ Machine Learning Street Talk ・ 1 小時 42 分