MAI-Transcribe-1是微软最新推出的一款语音转文字模型。它是微软为了减少对外部供应商(如OpenAI)的依赖，由内部团队自主研发的三款基础AI模型之一。
这款模型主打“全球最高精度”和“高性价比”，旨在为企业级用户提供强大的语音处理能力。
核心亮点：精准、快速、便宜
MAI-Transcribe-1在性能指标上非常有竞争力，微软宣称其在多项测试中击败了OpenAI和Google的同类产品。
表格
| 维度 | 表现详情 | 对比优势 |
|---|---|---|
| 精准度 | 在 FLEURS 基准测试（涵盖25种语言）中，平均字错误率（WER）仅为 3.9%。 | 低于OpenAI的 Whisper-large-v3 (7.6%) 和 Google 的 Gemini 3.1 Flash (4.9%)。 |
| 速度 | 批量转录速度是现有 Azure Fast 服务的 2.5倍。 | 处理大规模音频文件效率更高。 |
| 成本 | 定价为 $0.36 / 音频小时。 | 微软称其在大型云厂商中性价比最优。 |
功能特性与技术细节
- 多语言支持：支持全球使用最广泛的25种主流语言，包括中文、英文、法语等，并在11种核心语言上精度排名第一。
- 抗噪能力：具备强大的环境适应能力，能够有效处理背景噪音、低质量音频以及重叠语音等复杂录音条件。
- 文件格式：支持处理 MP3、WAV、FLAC 格式的音频文件，单个文件大小最高支持 200MB。
- 架构：基于变换器（Transformer）架构的文本解码器与双向音频编码器构建。
当前限制（首发版本）
虽然性能强劲，但作为首发版本，MAI-Transcribe-1目前还有一些功能尚未实装。微软计划在后续更新中提供这些能力：
- 不支持实时转录（目前仅支持批量处理）。
- 不支持说话人分离（无法区分对话中的不同发言人）。
- 不支持偏见调整（上下文偏置）功能。
研发背景与上线平台
- 开发团队：由微软AI首席执行官 穆斯塔法·苏莱曼（Mustafa Suleyman） 领导的“MAI超级智能团队”开发，该团队于2025年11月组建。
- 使用平台：
- 开发者：可以通过 Microsoft Foundry 平台和 Microsoft AI Playground 进行试用和调用。
- 终端用户：该模型正在被集成到 Microsoft Copilot 和 Microsoft Teams 中，用于提升会议记录和语音交互的体验。
MAI-Transcribe-1的项目地址
- 项目官网：https://techcommunity.microsoft.com/blog/azure-ai-foundry-blog/introducing-mai-transcribe-1-mai-voice-1-and-mai-image-2-in-microsoft-foundry/4507787
- 技术论文：https://microsoft.ai/pdf/MAI-Transcribe-1-Model-Card.pdf
© 版权声明
文章版权归作者所有，未经允许请勿转载。
相关文章
暂无评论...