Подразделение Microsoft AI выпустило модель искусственного интеллекта MAI-Transcribe-2, предназначенную для распознавания речи. Она работает быстрее, точнее и обходится дешевле, чем аналогичные решения от OpenAI, Google или ElevenLabs, утверждает разработчик. Стоимость расшифровки часа аудиозаписи составляет 10 центов.
10 флагманских процессоров Intel за 10 лет
Сравнительный тест камер флагманских смартфонов (2026): итоги
Снято в Голливуде? Почему Стэнли Кубрик физически не смог бы подделать лунную походку
Обзор смартфона Samsung Galaxy Z Flip8: исчезающий вид?
Лучший процессор под DDR4 в 2026 году: AM4 против LGA 1700
Компьютер месяца, спецвыпуск: во что дефицит чипов памяти превратил бюджетные игровые ПК и при чем здесь Steam Machine
Выбираем лучшие игровые ноутбуки на российском рынке (вторая половина 2026 года)
Топ-10 смартфонов до 10 тысяч рублей (2026 год)
Новая Microsoft MAI-Transcribe-2 поддерживает расшифровку речи на 60 языках, включая русский, — для сравнения, июньская MAI-Transcribe-1.5 поддерживала 43 языка, а вышедшая в апреле первая версия — только 25. Она работает на платформах Microsoft Foundry для разработчиков и MAI Playground для тестирования. Компания оптимизировала модель для обработки некачественного аудио, которое требуется на практике — с фоновым шумом, низким качеством записи, наложением реплик. Система размечает говорящих и расставляет временные метки на уровне слов, что позволяет производить поиск, а также облегчает редактирование и синхронизацию с видео. Есть также функция ввода ключевых слов: можно ввести список препаратов, кодов продуктов или имён собственных, чтобы модель не искажала их при работе. Есть дословный вывод записи со словами-паразитами и очищенный; поддерживается расшифровка речи с быстрым переходом между языками даже в середине фразы.
В рейтинге FLEURS по 60 языкам модель Microsoft MAI-Transcribe-2 выдала средний показатель ошибок при распознавании слов в 5,2 % и заняла в нём первое место. У MAI-Transcribe-1.5 в июне он был 3,7 %, но такая динамика едва ли означает, что модель стала работать хуже — вероятно, она связана с тем, что охват расширился с 43 до 60 языков. В независимом рейтинге Artificial Analysis новая модель по сравнению с июньской поднялась с третьего на второе место, обойдя ElevenLabs Scribe v2 и уступив только Alibaba Fun-Realtime-ASR-preview. Наконец, утверждает Microsoft, новая MAI-Transcribe-2 работает в десять раз быстрее, чем OpenAI GPT-Transcribe, в семь раз быстрее, чем ElevenLabs Scribe v2, и в пять раз быстрее, чем Google Gemini 3.5 Transcribe. И если вышедшая в апреле первая версия модели для расшифровки речи от Microsoft с поддержкой 25 языков обходилась в $0,36 за час записи, то новая с поддержкой 60 языков стоит уже $0,10 за такой же объём данных — правда, в Microsoft сообщили, что это начальная цена, и изменится ли она в будущем, пока неизвестно.