微软AI这两天放了MAI-Transcribe-2-Streaming，流式语音转写。Artificial Analysis的流式榜38个模型里它准确率第一，词错率2.5%，人说完话0.13秒出最终结果，收到音频100毫秒左右就开始吐初稿，支持60种语言。苏莱曼的说法是比ElevenLabs快55%、便宜60%。
同时还有个MAI-Voice-2.1上了OpenRouter，100万字符22美元，同一个声音能讲23种语言还保留口音。
做会议纪要和语音客服的可以算算账了。不过中文实测怎么样还没看到靠谱数据，60种语言里中文排第几谁也说不准，英文榜第一不代表普通话也行。有人跑过中文的吗？