Transcribe-2-Streaming

Transcribe-2-Streaming 是微软 MAI 语音模型家族中的实时流式转录模型，全称 MAI-Transcribe-2-Streaming，特点是边收音边输出文字，而非等整段音频结束后再转写。它与同批亮相的另外两款语音模型一起发布，被视为微软自研 AI 团队加码语音赛道的信号。

Transcribe-2-Streaming 近期进展

官方发布：微软 AI 官方账号宣布一次性推出三款语音模型，Transcribe-2-Streaming 作为其中的流式转录成员亮相，微软 AI 负责人 Mustafa Suleyman 也在个人账号同步官宣，将其描述为实时转录模型。微软发布三款语音模型、微软发布MAI-Transcribe-2-Streaming实时转录模型

第三方跟进：AI 评测机构 Artificial Analysis 与科技媒体 TestingCatalog 均在发布当天报道，把 MAI-Transcribe-2-Streaming 归入微软的语音转录与生成产品线。微软发布MAI-Transcribe-2-Streaming语音转写模型、Microsoft发布MAI语音转录与生成模型

渠道落地：这批 MAI 模型已登陆 Vercel 平台，开发者可以较为便捷地接入试用；中文科技媒体 IT之家也以「流式转录模型」为题做了报道。微软MAI模型登陆Vercel平台、微软发布流式转录模型 MAI-Transcribe-2-Streaming

流式转录与传统批处理转写的差异主要在延迟：前者在说话过程中逐段产出文本，适合会议纪要、直播字幕、语音助手等对实时性敏感的场景，这正是 Transcribe-2-Streaming 的主攻方向。

目前公开信息尚未披露参数量、定价与基准成绩，后续值得关注的观察点包括：Artificial Analysis 等第三方的延迟与准确率实测、多语言及中英混说表现，以及它与 Whisper 等主流方案在流式场景下的差距。若性能数据得到验证，实时语音接口市场的竞争将进一步升温。