3 сентября 2026 г.
Точная расшифровка речи подешевела вдвое: MAI-Transcribe-2 берёт $1,67 за 1000 минут
Microsoft AI выпустила MAI-Transcribe-2: второе место по точности расшифровки речи при цене вдвое ниже, чем у соседей по верхушке таблицы.
Artificial Analysis
@artificialanlys
Microsoft AI выпустила MAI-Transcribe-2: 2,0% AA-WER (2-е место) на скорости ~411x реального времени (2-е место) за $1,67 за 1000 минут. Модель выходит на границу Парето «точность-скорость» и остаётся одной из самых дешёвых среди точных. MAI-Transcribe-2 — свежая модель расшифровки речи от @MicrosoftAI, вторая в общем зачёте лидерборда Artificial Analysis по Word Error Rate (AA-WER). Впереди Fun-Realtime-ASR-preview от Alibaba (1,7% WER), позади ElevenLabs Scribe v2 (2,2% WER) и Smallest AI Pulse Pro (2,4% WER). По скорости она одна из лучших в нашем бенчмарке: 411x реального времени, примерно в 1,5 раза быстрее Smallest AI Pulse Pro и более чем в 7 раз быстрее Scribe v2. За $1,67 за 1000 минут MAI-Transcribe-2 обходится меньше чем вполовину от точных конкурентов, включая Scribe v2 ($3,67) и Smallest AI Pulse Pro ($4). Языков модель теперь поддерживает 60 вместо 43, плюс появились разделение по говорящим, таймкоды на каждое слово и два стиля расшифровки — чистый и дословный. Подробности ниже ⬇️
· 1,2 тыс. просмотров
Часовую запись MAI-Transcribe-2 расшифровывает за девять секунд. Стоит это десять центов.
Microsoft AI показала модель, которая переводит речь в текст. В замере Artificial Analysis от 03.09.2026 она вторая по точности среди всех проверенных: 2,0% ошибок на слово.
Точность перестала быть премиальной. Соседи по верхушке таблицы берут $3,67 и $4 за тысячу минут. Microsoft просит $1,67, меньше половины их цены.
- Fun-Realtime-ASR-preview (Alibaba) — 1,7% ошибок - MAI-Transcribe-2 (Microsoft AI) — 2,0%, $1,67 за 1000 минут - Scribe v2 (ElevenLabs) — 2,2%, $3,67 за 1000 минут - Pulse Pro (Smallest AI) — 2,4%, $4 за 1000 минут
Скорость считается на часах записи. MAI-Transcribe-2 прогоняет аудио в 411 раз быстрее реального времени. Scribe v2 отстаёт в семь раз, Pulse Pro в полтора.
Языков модель понимает 60 вместо прежних 43. Добавили разметку говорящих: расшифровка сама помечает, кто из участников что сказал. Появились метка времени на каждое слово и два стиля вывода, чистый и дословный, со всеми «э-э» и повторами.
Час созвона превращается в текст с таймкодами и подписью, кто говорил, за десять центов.
Разрыв с лидером таблицы 0,3 процентного пункта, и держит его превью-модель Alibaba.
Первоисточник