微软推出了 MAI-Transcribe-2，这是一款全新的语音识别模型，相较于 OpenAI 和 Google 等竞争对手的现有产品，其速度更快、准确率更高且成本显著降低。该先进模型的价格仅为每小时十美分，相比前代产品实现了大幅成本削减。公司的战略是开发自身的高质量 AI 模型，以取代此前从 OpenAI 授权获得的模型。MAI-Transcribe-2 支持 60 种语言，专为处理现实商业音频的复杂性而设计，包括背景噪音和重叠语音。关键功能如说话人分离、单词级时间戳和关键词偏置均免费提供。该模型还提供可配置的输出样式，并支持在同一对话中进行语言间的代码切换。微软宣称在 FLEURS 和 Artificial Analysis 等基准测试中名列前茅，凸显其在准确率与速度方面的表现。五个月内发布三款模型的快速节奏，彰显了微软在该领域的加速发展。这种构建自有 AI 能力的举措，源于对独立性和提升利润率的追求。通过以更低的成本转录音频，微软能够以更实惠的价格将这些功能集成到其自身产品（如 Teams、Word 和 Excel）中。此举使微软能够在 AI 市场中更具竞争力，减少对外部合作伙伴的依赖。该公司正通过以史无前例的价格打包必备功能，直接挑战专业转录服务提供商。尽管阿里巴巴被视为强劲竞争对手，但微软旨在为企业提供一个极具吸引力的替代方案。