Microsoft AI 出咗佢第一個實時語音轉文字（speech-to-text）模型 MAI-Transcribe-2-Streaming，現已喺 Microsoft Foundry 開公開預覽。
支援 60 種語言，有持續語言檢測（continuous language detection），即講緊可以自動切換語言。實時輸出數據分兩部分：最終轉寫（final transcript）2.5% WER、延遲 0.13 秒；講緊先出嘅初步結果（first partial）2.5% WER、延遲 0.12 秒。WER（word error rate，詞錯誤率）係語音辨識準確度嘅常用指標，數字越低代表越準。
排行方面，喺第三方 Artificial Analysis 嘅 AA-WER Streaming 榜，呢個模型喺 38 個入選模型入面排第一位。呢個係第三方評測結果，非本站實測；我哋未獨立核對該榜嘅測試條件同數據集。
試温期收費每小時 $0.54（美金）。呢個係引入期價格，未係正式定價；模型現處公開預覽階段，功能同定價都有可能調整。
阿調搞兩下：實時聽寫呢樣嘢，常見用途係會議逐字稿、直播即時字幕、訪談記錄。60 種語言加自動切換，對需要跨語言實時記錄嘅團隊係主打賣點。但揀任何雲上聽寫 API，有兩樣嘢要問清楚：你實時講嘅嘢上雲之後，條 audio 同轉完嘅文字存唔存、畀邊個揸、用唔用於訓練；以及試温價之後點變、正式上線幾時。預覽版未係成數，跟住睇。
阿調｜深度調教
