微软发布实时流式语音转写模型MAI-Transcribe-2-Streaming
先了解这件事
2026年10月2日，Microsoft AI 发布实时流式转写模型 MAI-Transcribe-2-Streaming 及语音模型 MAI-Voice-2.1。据该报道，MAI-Transcribe-2-Streaming 在 Artificial Analysis 的最终与部分转写准确率均排名第一，支持 60 种语言，接收到音频后约 100ms 内产出首个 partials；内部评测显示，其在实时听写场景的出词速度比最接近的竞品快 2 倍。价格方面，年底前 introductory 价为每小时音频 0.54 美元。同日，Artificial Analysis 在 X 上表示，该模型在 AA-WER Streaming 的 Final Transcript 和 First Partial Transcript 两项准确率上排名第一，与微软方面关于准确率排名的说法一致。后续 IT Home 报道称，微软于 10 月 1 日推出该模型，词错误率 2.50%、延迟 0.13 秒居首，支持 60 种语言和自动语言检测；早先报道称首个 partials 约 100ms 内产出，后续报道则给出延迟 0.13 秒。新报道显示，同日 OpenRouter 上线 MAI-Voice-2.1-Flash 与 MAI-Voice-2.1 两款语音模型，前者可在 150ms 内生成 45 秒音频、定价 15 美元每百万字符，后者定价 22 美元每百万字符，均支持 23 种语言并保持同一声音的原生口音。目前进展为模型已正式发布并公布上述评测与定价信息。
AI 根据报道生成 · 2 小时前更新
事件进展
- 10月2日 00:28 · 2 篇报道微软MAI-Voice-2.1-Flash上线OpenRouterX：OpenRouter：微软 MAI-Voice-2.1-Flash 语音模型上线 OpenRouter
- 10月2日 00:00 · 4 篇报道微软发布MAI-Transcribe-2-Streaming等三款新语音模型Microsoft AI News：Microsoft AI 发布 MAI-Transcribe-2-Streaming 及 MAI-Voice-2.1 语音模型
报道时间线
沿着报道，了解事件的不同侧面。
- The DecoderMicrosoft AI 发布实时转录模型 MAI-Transcribe-2-Streaming 与语音模型 MAI-Voice-2.1
Microsoft AI 发布实时转录模型 MAI-Transcribe-2-Streaming，支持 60 种语言，首个部分结果延迟仅 100 多毫秒，称在 Artificial Analysis 准确率排名第一，限时价格每小时音频 $0.54。
- IT Home微软发布首个实时流式语音转写模型 MAI-Transcribe-2-Streaming，词错误率 2.50%、延迟 0.13 秒居首
微软于 10 月 1 日推出首个实时流式语音转写模型 MAI-Transcribe-2-Streaming，可在讲话进行时持续输出文字，支持 60 种语言和自动语言检测。
- X：OpenRouter微软 MAI-Voice-2.1 语音模型上线 OpenRouter
微软 MAI-Voice-2.1 上线 OpenRouter，是 MAI 目前保真度和表现力最高的文本转语音模型。同一语音可在 23 种语言中保持母语口音自然发声，支持录音室级音质，定价 $22 per 1M characters，面向有声书、播客、旁白和品牌音频场景。
- X：OpenRouter微软 MAI-Voice-2.1-Flash 语音模型上线 OpenRouter
OpenRouter 上线 Microsoft AI 的 MAI-Voice-2.1-Flash 语音模型，主打低延迟与规模化，可在 150ms 内生成 45 秒音频。该模型支持 23 种语言并保持同一声音的原生口音，价格为 $15 per 1M characters，面向语音智能体、助手和呼叫中心等实时场景。
- X：Artificial AnalysisMicrosoft AI 发布流式语音转写模型 MAI-Transcribe-2-Streaming，登顶 AA-WER Streaming 准确率
Microsoft AI 发布流式语音转文本模型 MAI-Transcribe-2-Streaming，在 AA-WER Streaming 的 Final Transcript 和 First Partial Transcript 两项准确率上排名第一。
- Microsoft AI News精选Microsoft AI 发布 MAI-Transcribe-2-Streaming 及 MAI-Voice-2.1 语音模型
Microsoft AI 发布实时流式转写模型 MAI-Transcribe-2-Streaming，在 Artificial Analysis 的最终与部分转写准确率均排名第一，支持 60 种语言，接收到音频后约 100ms 内产出首个 partials，内部评测显示实时听写场景出词速度比最接近的竞品快 2x，年底前 introductory 价 $0.54 每小时音频。
本事件热度走势
当前热度 33·可比范围峰值 34（10月2日 19:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。