Microsoft представила MAI-Transcribe-2 — модель распознавания речи с поддержкой 60 языков. На тесте FLEURS она показала среднюю долю ошибок 5,2% и заняла первое место среди сравниваемых моделей.
По данным Artificial Analysis, MAI-Transcribe-2 работает до 10 раз быстрее GPT-Transcribe, в 7 раз быстрее ElevenLabs Scribe v2 и в 5 раз быстрее Gemini 3.5 Transcribe, сохраняя более высокую точность.
Модель поддерживает разделение речи по спикерам, временные метки для каждого слова, распознавание терминов, переключение языков, автоматическое определение языка и два режима расшифровки — дословный и очищенный. Стартовая цена составляет $0,10 за час аудио до конца 2026 года.
