IT之家9月4日消息，微软昨日（9月3日）发布博文，宣布推出MAI-Transcribe-2，宣称是其最快、最准确、最便宜的AI语音转文字模型。

在定价方面，MAI-Transcribe-2上市时限时收费0.10美元（IT之家注：现汇率约合0.67元人民币）/小时，优惠持续至2026年年底。

性能方面，MAI-Transcribe-2是微软最强的转录模型，相比较市场上其它主流模型，在准确率、速度和价格方面存在优势。

在FLEURS测试集中，MAI-Transcribe-2支持强制指定语言和自动推断语言两种模式，平均词错误率均为5.2%。同一测试中，Gemini 3.1 Pro的两项结果分别为5.3%和5.8%；GPT-Transcribe为10.4%和10.6%；Whisper v3-Large为22.8%和23.5%。

速度方面，微软援引Artificial Analysis评测称，MAI-Transcribe-2比GPT-Transcribe快10倍，比Scribe v2快7倍，比Gemini 3.5 Transcribe快5倍。

功能方面，MAI-Transcribe-2新增说话人分离功能，可在一段录音内区分不同发言者，并将文字归属到对应说话人。逐词时间戳可为每个词标注精确位置，便于音频检索、导航、编辑和字幕对齐。

风格方面，模型提供可配置转写风格。verbatim模式保留语气词和口误，面向合规与分析工作；clean模式删除语气词，以生成更易读的字幕、笔记和发布文本。模型还支持关键词偏置、自动语言识别、语言切换和噪声环境转写。

模型支持60种语言，并支持自然混用语言的对话，用户无需预先指定语言，模型可自动检测录音语言。目前，开发者可在Microsoft Foundry、MAI Playground和OpenRouter调用或试用该模型。