Artificial Analysis@ArtificialAnlys · X微软AI发布了MAI-Transcribe-1.5语音转录模型。该模型在AA-WER排行榜上位列第三，词错误率（WER）为2.4%，仅次于阿里巴巴的Fun-Realtime-ASR-preview（1.7%）和ElevenLabs Scribe v2（2.2%）。其主要特点是速度极快，处理速度约为276倍实时，是准确率前十模型中第二快模型速度的两倍以上，因此在准确率-速度帕累托前沿上处于领先地位。模型还支持关键词偏差识别，并涵盖包括英语、法语、阿拉伯语、日语和中文在内的43种语言。
Microsoft has released MAI-Transcribe-1.5： an exceptionally fast speech transcription model at a speed factor of ~276x， while still achieving 2.4% on AA-WER （#3）， leading the accuracy-speed Pareto frontier
MAI-Transcribe-1.5 is Microsoft AI （MAI）'s latest speech transcription model， coming in at 3rd overall on the on the Artificial Analysis Word Error Rate （AA-WER） leaderboard， behind Alibaba's Fun-Realtime-ASR-preview （1.7% WER）， and ElevenLabs Scribe v2 （2.2% WER）. The model stands out as the fastest STT model in the top 10 for accuracy， processing audio at ~276x real-time - this is more than double the speed of the second fastest model in the top 10 for accuracy.