Microsoft AI、音声認識モデルMAI-Transcribe-2を発表

Microsoft AIが音声認識モデルMAI-Transcribe-2を発表した。FLEURSの60言語で平均Word-Error-Rate 5.2%の1位となり、Artificial Analysisでは精度とレイテンシーのPareto Frontierを形成している。話者分離、単語単位のタイムスタンプ、verbatim/cleanの出力設定に対応し、OpenAIのGPT-Transcribeより10x高速という。価格は年末までの期間限定で1時間あたり$0.10である。