MAI-Transcribe-2-Streaming 是微软 Microsoft AI 团队新发布的流式语音转写模型，能在用户说话的同时实时输出文字，主要面向语音代理等对延迟敏感的场景。它与同批亮相的语音合成等模型共同构成微软 MAI 语音模型系列，被视为微软自研模型在语音方向的一次集中展示。
MAI-Transcribe-2-Streaming 近期进展
当前焦点与观察点
从现有报道看，MAI-Transcribe-2-Streaming 的核心卖点是“流式”：边听边转，服务客服、语音助手与会议记录等即时场景。目前公开信息尚未披露参数规模、定价与接入方式等细节，微软高管的密集发声说明语音被其视为继文本之后的新竞争点。后续可关注该模型与 Whisper、Deepgram 等成熟方案的基准对比，以及在 Azure 上的可用性与调用方式。