Microsoft ra mắt MAI-Transcribe-2: Mô hình nhận diện giọng nói nhanh, chính xác và rẻ nhất thế giới

Các mô hình

Ngày 3 tháng 9 năm 2026

Các mô hình

Giới thiệu MAI‑Transcribe‑2. Đây không chỉ là mô hình chuyển đổi giọng nói thành văn bản (transcription) mạnh mẽ nhất của chúng tôi từ trước đến nay, mà còn là mô hình hiệu quả và có năng lực vượt trội nhất so với các đối thủ cạnh tranh.

Với các tính năng mới như phân đoạn người nói (diarization), tùy chỉnh kiểu chuyển đổi văn bản và gắn dấu thời gian theo từng từ, MAI-Transcribe-2 đánh bại các mô hình hàng đầu khác như Gemini 3.5 Transcribe, GPT-Transcribe, Whisper V3-Large và ScribeV2, đồng thời xử lý tốt hơn nhiều loại dữ liệu âm thanh thực tế.

Mô hình của chúng tôi xếp hạng nhất trên bộ tiêu chuẩn FLEURS với 60 ngôn ngữ, đạt tỷ lệ lỗi từ (Word-Error-Rate) trung bình là 5,2%, xác lập đường biên Pareto về độ chính xác và độ trễ trên Artificial Analysis, đồng thời xếp thứ hai trên bảng xếp hạng Word-Error-Rate của Artificial Analysis, tiếp nối đà phát triển từ các phiên bản trước.

Tất cả hiệu suất này đi kèm với mức giá tốt nhất trên thị trường, chỉ 0,10 USD cho mỗi giờ âm thanh.

[Nội dung mã nguồn HTML - giữ nguyên]

Giải quyết nhiều thách thức hơn với một mô hình duy nhất

Từ việc ghi chú lâm sàng đến tài liệu pháp lý, từ khả năng hỗ trợ tiếp cận đến phụ đề chi tiết, MAI-Transcribe-2 được thiết kế để giải quyết các ứng dụng thực tế với:

[Nội dung mã nguồn HTML - giữ nguyên]

Hiệu quả mà không đánh đổi độ chính xác

MAI‑Transcribe‑2 cực kỳ hiệu quả, dẫn đầu đường biên Pareto về độ chính xác và độ trễ trên Artificial Analysis, kết hợp chất lượng chuyển đổi văn bản hàng đầu với tốc độ xử lý theo lô (batch) dẫn đầu thị trường. Nó nhanh hơn đáng kể so với các mô hình mới nhất từ các đối thủ lớn, mang lại lợi thế rõ ràng khi việc chuyển đổi văn bản với độ trễ thấp là yếu tố then chốt.

[Nội dung mã nguồn HTML - giữ nguyên]

Dựa trên các đánh giá do Artificial Analysis thực hiện, mô hình này nhanh gấp 10 lần so với GPT‑Transcribe của OpenAI, nhanh gấp 7 lần so với Scribe v2 của ElevenLabs và nhanh gấp 5 lần so với Gemini 3.5 Transcribe trong khi vẫn mang lại độ chính xác cao hơn.

[Nội dung mã nguồn HTML - giữ nguyên]

[Nội dung mã nguồn HTML - giữ nguyên]

Chất lượng nhất quán trên 60 ngôn ngữ

MAI‑Transcribe‑2 đạt độ chính xác trên nhiều ngôn ngữ hơn bất kỳ mô hình nào khác.

Các đánh giá của chúng tôi trên bộ tiêu chuẩn đa ngôn ngữ công khai FLEURS cho thấy mô hình duy trì mức độ chính xác cao nhất quán trên tất cả các ngôn ngữ được kiểm tra. Các nhà phát triển cần chuyển đổi văn bản trên nhiều ngôn ngữ có thể chọn một mô hình duy nhất, giúp giảm độ phức tạp và thậm chí có khả năng tiết kiệm tài nguyên GPU.

[Nội dung mã nguồn HTML - giữ nguyên]

Hiệu suất cao với mức giá tốt nhất

Hiệu quả cao đồng nghĩa với chi phí tối ưu. Tốc độ và lưu lượng xử lý của MAI-Transcribe-2 cho phép chúng tôi cung cấp mức giá cạnh tranh nhất trên thị trường, giúp các nhà phát triển xử lý nhiều âm thanh hơn mà không làm giảm chất lượng chuyển đổi. Tại thời điểm ra mắt, MAI-Transcribe-2 sẽ có giá 0,10 USD mỗi giờ như một ưu đãi trong thời gian giới hạn cho đến cuối năm.

Xây dựng tương lai cùng chúng tôi

Chúng tôi là một phòng thí nghiệm tinh gọn, vận hành nhanh chóng, tập hợp những bộ óc tài năng nhất thế giới. Chúng tôi có lộ trình phát triển điện toán thú vị tại MAI, đang tăng tốc mạnh mẽ và sâu rộng. Và chúng tôi có một sứ mệnh đầy tham vọng mà chúng tôi thực sự tin tưởng. Chúng tôi cũng may mắn được hợp tác với các đội ngũ sản phẩm tuyệt vời, mang đến cho các mô hình của chúng tôi cơ hội tiếp cận hàng tỷ người dùng và tạo ra tác động tích cực to lớn. Nếu bạn là một cá nhân xuất sắc, đầy tham vọng và khiêm tốn, bạn sẽ rất phù hợp với chúng tôi—hãy đến và tham gia cùng chúng tôi khi chúng tôi làm việc trên thế hệ mô hình tiếp theo!

Các bài viết liên quan