微软发布低延迟流式语音识别模型

MAI-Transcribe-2-Streaming以2.5%词错率和0.13秒尾延迟领跑榜单。

推荐理由：模型同时刷新准确率与响应速度，较Grok的2.7%和0.49秒均有优势；代价是每小时0.54美元，实时语音应用需在领先性能与高价间权衡。