微软 AI：流式转录模型 MAI-Transcribe-2-Streaming 登顶 Artificial Analysis

微软 AI（microsoft.ai）于 10 月 1 日宣布推出首个流式转录模型 MAI-Transcribe-2-Streaming，并称其在 Artificial Analysis 上对最终与部分（partial）转录准确率均排名第一，同时在准确率—延迟评估中位于帕累托前沿。该模型支持约 60 种语言与自动持续语种检测，在收到音频后约 100 毫秒即可产出首批部分假设，并随上下文修订、尽快提交稳定转写，便于实时字幕与语音智能体中途调用工具。 introductory 定价为每小时音频 0.54 美元（年底前）。

同日还发布 MAI-Voice-2.1（约 23 种语言 / 26 个地区，单音色跨语言原生口音，约每百万字符 22 美元）以及为高吞吐低延迟优化的 MAI-Voice-2.1-Flash（约 150 毫秒端到端延迟生成约 45 秒音频，约每百万字符 15 美元）。模型可经 Microsoft Foundry、OpenRouter 等获取，并配有 Chatter 演示。双方均支持少量参考音频克隆，并内置同意护栏。