MicrosoftのMAI-Transcribe-2が60言語のFLEURSで単語エラー率5.2%を記録し首位
Microsoftの自社開発モデルMAI-Transcribe-2は、60言語を対象としたFLEURSベンチマークにおいて平均単語エラー率5.2%で首位を獲得した。Artificial Analysisの計測によると、OpenAIのGPT-Transcribeの10倍、ElevenLabsのScribe v2の7倍、Gemini 3.5 Transcribeの5倍の速度を記録している。年末までMicrosoft Foundry、MAI Playground、OpenRouter経由で1時間あたり0.10ドルで提供される。これにより、話者分離と単語レベルのタイムスタンプを備えた多言語文字起こしが単一のモデルで完結するようになり、競合他社が対応を迫られる新たな最安値基準を打ち立てた。
出典： microsoft.ai ↗
我々にとってこれまでで最も高性能な文字起こしモデルであるだけでなく、競合他社の中でも最も高性能で効率的だ。
Microsoft MAI
なぜ重要か
- → 10倍の速度優位性が、リアルタイムおよびバッチ処理のワークロードにおける文字起こしコストを劇的に削減する。
- → 単一の多言語モデルが、60言語全体でのベンダーロックインを解消する。
- → 時間あたり0.10ドルの価格下限が、音声AIの経済性に関して業界に再考を促す。
Speech AIの転換点