微软发布 MAI-Transcribe-2-Streaming 流式语音转写模型，称在 AA-WER 榜单排名第一

微软 AI 推出流式语音转文字模型 MAI-Transcribe-2-Streaming，据 Artificial Analysis 的 AA-WER Streaming 评测，最终转写 WER 为 2.5%、语音结束后 0.13 秒返回，在 38 个模型中排名第一，优于 Grok Voice Transcribe 2.0（2.7%/0.49s）、Muse Voice Transcribe（3.1%/0.16s）和 ElevenLabs Scribe v2 Realtime（3.6%/0.14s）。首次部分转写同样为 2.5% WER、0.12 秒。流式定价 $0.54/小时（$9.00/千分钟），与非流式版本 $0.10/小时形成对比。

AI推荐理由 微软 AI 发布流式语音转写模型 MAI-Transcribe-2-Streaming，引用 Artificial Analysis 的 AA-WER Streaming 榜单数据：最终转写 WER 2.5%、语音结束后 0.13s 返回，排名 38 个模型第一，优于 Grok Voice Transcribe 2.0（2.7%/0.49s）、Muse Voice Transcribe（3.1%/0.16s）和 ElevenLabs Scribe v2 Realtime（3.6%/0.14s）；流式定价 $0.54/小时，处于领先模型价格区间高位。具体新信息是榜单排名、WER/延迟对比和定价，局限是数据来自第三方评测转述、尚无独立复现，且原帖为发布方自述。