- fjhorn2026-09-05
发布两天了，发现站里还没人提过 ^-^
号称是自家上一代速度的两倍。笔elevenlabs的又快又好又便宜。正在测试中……
Microsoft AI
MAI-Transcribe-2 is the fastest, most accurate and cheapest speech...
初步测试结果：
非常好。大概是主流STT目前最快的了。而且支持word level时间戳、发言者识别，多语言。
不支持实时转码，最大的缺失。
另外测试发现diarization不太稳定，容易报错。还有进步空间
打开时间戳的功能，识别速度减半。再加上diarization，就容易timeout了
我是用azure调用的。
更新3:这一版也支持直接去除简单口癖。和gemini transcribe类似。
总之，完全满足我的所有要求。微软终于牛逼一把！
主楼 - skad2026-09-05
期待开源试下，看着还不错
- fjhorn2026-09-05
刚才试了一下，确实飞快。体感明显比我用过的所有的stt都快，包括gpt transcribe，gemini 3.5 transcribe，elevenlabs的v2
和soniox realtime差不多，但是效果更好。
- dhgdtdtbff2026-09-05
看到过了，从跑分来说很不错，还没实际用过
- fjhorn2026-09-05
- neteroster2026-09-05
这个支持实时转写吗，好像写的不是很清楚
- fjhorn2026-09-05
- 小飞侠2026-09-05
这个是不是只能通过比如azure的api付费才能使用到啊
- fjhorn2026-09-05
我用azure调用的。其他渠道不清楚
- 伏黑甚尔2026-09-05
确实无人在意，都被GPT6抢了风头 ^-^
- fjhorn2026-09-05
用这个嘴子指挥gpt 6比codex内置的语音识别速度快，哈哈
- BOOSTMEISTER_2014_DH2026-09-05
image 2.6 也发了吧。确实没热度
- learner0632026-09-05
准确度真的比 elevenlabs 的好吗
- learner0632026-09-05
我主要用于播客转录，对于专有名词，多讲话人识别都有要求，我之前测过了一下主流的，发现 elevenlabs 的效果最好，等等我也去看看这个
- ただヤンシャオに過ぎない2026-09-05
- 路人A2026-09-05
- sallyn2026-09-05
佬测试的是什么语言？最近还是用scribe v2和qwen3asr比较多，前者外语后者中文，但是前者成本还是比较高（虽然可以免费账号多开几个走API）其他几家比较火的ASR感觉小语种效果不是很好
- fjhorn2026-09-05
- sallyn2026-09-05
从Azure试了一下 不知道为什么 一旦音频超过了20min之后就开始报500错误 找了半天文档也死活找不到哪来的问题 其他都挺好的 这个字词级别的时间点一次出的我都不用去修时轴了
- MineMine2026-09-05
什么时候替换 Windows 内置的 Win+H 的语音转录
