Post #99748 5 Oct 2, 2026, 05:48 UTC 微软推出实时转录与语音合成模型MAI-Transcribe-2-Streaming 流式识别榜单排名第一https://www.cnbeta.com.tw/articles/tech/1580428.htm Telegraph 微软推出实时转录与语音合成模型MAI-Transcribe-2-Streaming 流式识别榜单排名第一 微软推出三款面向实时语音交互的新模型,分别是语音转文字模型MAI-Transcribe-2-Streaming,以及文本转语音模型MAI-Voice-2.1和MAI-Voice-2.1-Flash。微软希望开发者将它们组合起来,构建能够边听边处理、再以自然语音即时回应的语音助手和对话代理。 MAI-Transcribe-2-Streaming与此前只能处理录音文件的MAI-Transcribe-2不同,可接收持续输入的音频流,并在说话者尚未讲完时就开始生成阶段性文本,再随着更多语境到来持续修订,最后提交…