IT之家 4 月 3 日消息，微軟昨日（4 月 2 日）發(fā)布公告，持續(xù)擴(kuò)充自研 AI 模型版圖，繼 MAI-Voice-1 和 MAI-Image-2 之后，推出第三款自研模型 MAI-Transcribe-1，以 3.9% 的字錯(cuò)誤率號(hào)稱全球最精準(zhǔn)轉(zhuǎn)錄模型。
在行業(yè)公認(rèn)的 FLEURS 基準(zhǔn)測(cè)試（涵蓋中文、英文、法語(yǔ)等全球 25 種主要語(yǔ)言）中，MAI-Transcribe-1 模型平均字錯(cuò)誤率僅為 3.9%，宣稱這是目前全球最精準(zhǔn)的轉(zhuǎn)錄模型。
在 11 種核心語(yǔ)言上，該模型直接登頂榜首；在其余 14 種語(yǔ)言對(duì)比中，它擊敗了 OpenAI 的 Whisper-large-v3，并在其中 11 種語(yǔ)言上超越了谷歌最新發(fā)布的 Gemini 3.1 Flash。微軟強(qiáng)調(diào)該模型能在所有支持語(yǔ)言間保持一致的高準(zhǔn)確度，適用于多樣化的語(yǔ)音轉(zhuǎn)文字場(chǎng)景。
除了精準(zhǔn)外，微軟 MAI-Transcribe-1 模型的另外兩大優(yōu)勢(shì)是速度與成本。在轉(zhuǎn)錄速度上，該模型批量轉(zhuǎn)錄速度達(dá)到現(xiàn)有 Microsoft Azure Fast 服務(wù)的 2.5 倍；在成本定價(jià)方面，該模型每小時(shí)僅需 0.36 美元，微軟稱在大型云廠商中，該模型性價(jià)比最優(yōu)。
該模型目前已在 Microsoft Foundry 平臺(tái)開(kāi)放使用。值得注意的是，首發(fā)版本暫不支持實(shí)時(shí)轉(zhuǎn)錄、說(shuō)話人分離和偏見(jiàn)調(diào)整功能，但微軟計(jì)劃在后續(xù)更新中提供這些能力。
廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。