微软推出MAI-Transcribe-1.5 多语言语音转文字性能达行业顶尖

AI创作导航管理员 LV5 大神连续登录30天萌新

3 个月前

风向

微软AI团队近期正式推出新一代多语言语音转文字模型MAI-Transcribe-1.5，该模型支持43种全球常用语言识别，人工分析场景下词错误率（WER）低至2.4%，在FLEURS公开多语言语音数据集上准确率达行业最优水平，长音频转录速度较前代产品最高提升5倍，有望大幅降低多场景下语音内容转写的人力与时间成本。

近年来，随着远程办公、跨境内容创作、多语言客服等场景的普及，市场对语音转文字工具的需求持续攀升。但此前主流商用转写工具普遍存在小语种识别准确率低、长音频转写等待时间长、专业场景下错误率偏高等问题，不少企业仍需要投入15%-30%的人力用于转写结果校对，运营成本居高不下。

此次微软AI推出的MAI-Transcribe-1.5，针对上述痛点做了多项技术优化。在准确率层面，模型在人工分析测试集下的词错误率（WER）仅为2.4%，远低于行业平均8%-12%的水平；在权威多语言语音数据集FLEURS（覆盖全球100余种语言的真实语音样本）的测试中，其综合准确率登顶行业第一。

在覆盖范围层面，模型支持全球43种常用语言的识别，包括不少此前主流工具支持度较差的小语种。在效率层面，针对1小时以上的长音频场景，其转写速度较前代模型最高提升5倍，且支持边录边转、断点续传等功能，使用体验大幅优化。

据了解，MAI-Transcribe-1.5目前已经开放API接口供企业客户测试，已有多家跨境电商、在线教育平台正在对接相关功能。后续该模型还将集成到微软365的会议纪要、Azure云的语音服务等产品矩阵中。业内人士测算，该模型落地后，可帮助企业降低70%以上的语音转写校对成本，在跨境会议记录、播客内容转写、多语言客服质检、司法庭审记录等专业场景具备极高的应用价值。

语音转文字人工智能微软AI 多语言AI MAI-Transcribe-1.5

本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。