微软昨日（10 月 1 日）发布公告，宣布推出其首个实时流式语音转写模型 MAI-Transcribe-2-Streaming，可在讲话进行时持续输出文字，覆盖 60 种语言，并支持自动语言检测。微软此前已推出非流式的 MAI-Transcribe-2，在 Azure Speech 公共预览阶段的价格为每小时 0.10 美元（现汇率约合 0.67 元人民币）。跑分方面，在 Artificial Analysis 于 9 月 28 日公布的流式语音转文字排行榜中，MAI-Transcribe-2-Streaming 的最终词错误率为 2.50%，低于 Grok Voice Transcribe 2.0 Streaming 的 2.73% 和 ElevenLabs Scribe v2 Realtime 的 3.59%。