Microsoft выпустила MAI-Transcribe-2 — модель для расшифровки аудио. Она поддерживает 60 языков, определяет говорящих и добавляет временные метки к каждому слову.
С 3 сентября 2026 года модель доступна в Microsoft Foundry, MAI Playground и OpenRouter. До 31 декабря 2026 года Microsoft предлагает её по цене $0,10 за час аудио. Стандартную стоимость после окончания этого предложения компания пока не раскрыла.
Читайте также: Нейросеть Gemini 3.5 Transcribe — как бесплатно расшифровать аудио, как подключить API
Что умеет MAI-Transcribe-2
Модель различает участников записи, автоматически определяет язык, распознаёт речь в шумной записи и поддерживает переключение между языками в одном разговоре.
Разработчик также добавил настройку терминов: можно задать слова, аббревиатуры и имена, которые важны для конкретной записи. Есть два варианта результата: дословная расшифровка с запинками и словами-паразитами либо очищенный текст для субтитров, заметок и публикаций.
По данным Microsoft, на тесте FLEURS для 60 языков средняя доля ошибок в словах составила 5,2%. На странице модели компания указывает скорость инференса: час аудио обрабатывается за 10 секунд. Этот показатель характеризует скорость работы модели в тестах и не означает гарантированное время обработки любого пользовательского файла.
Как пользоваться MAI-Transcribe-2
Попробовать модель можно в Microsoft Foundry, MAI Playground или OpenRouter. OpenRouter уже предоставляет доступ к модели через API.
Почему это важно? В MAI-Transcribe-1.5 было 43 языка, не было разделения по говорящим и временных меток для каждого слова. Новая версия добавляет эти функции и поддерживает 60 языков. Кроме того, Microsoft заявляет, что MAI-Transcribe-2 быстрее предыдущей версии при обработке длинных аудиозаписей.
Ранее Microsoft представила MAI-Image-2.6 — новую модель для генерации и редактирования изображений.
Итог: MAI-Transcribe-2 доступна в Microsoft Foundry, MAI Playground и OpenRouter. До 31 декабря 2026 года стоимость использования составляет $0,10 за час аудио.
Фото: microsoft.ai
