Microsoft apresenta modelo de transcrição de voz em tempo real com taxa de erro de 2,5%

A Microsoft lançou seu primeiro modelo de transcrição de voz em tempo real, MAI-Transcribe-2-Streaming, capaz de transcrever 60 idiomas com detecção automática de idioma. O modelo, disponível a uma taxa de desconto de US$ 0,54 por hora (aproximadamente 3,6 RMB), oferece um atraso de 0,13 segundos e uma taxa de erro de 2,5%, superando 28 outros modelos de streaming. Em testes, alcançou um atraso final de transcrição de 0,13 segundos e uma taxa de erro de 2,5%, superando concorrentes como Grok Voice Transcribe 2.0 Streaming e ElevenLabs Scribe v2 Realtime. A Microsoft também destacou sua versão não de streaming, MAI-Transcribe-2, que possui uma taxa média de erro de 5,2% e é adequada para tarefas pós-gravação.