微軟 MAI-Transcribe-1.5 登場：語音轉文字速度提升 5 倍，精準度挑戰業界標竿
編輯核心觀點
- ✦微軟推出 MAI-Transcribe-1.5 語音辨識模型，支援 43 種語言並針對嘈雜環境優化。
- ✦該模型在處理長音訊時速度提升達 5.7 倍，一小時錄音可在 15 秒內完成轉錄。
- ✦新增關鍵字偏置（Keyword Biasing）功能，能顯著降低專業領域術語的錯誤率。
微軟 AI 語音辨識再升級
微軟 AI 近期發布了第二代語音轉文字模型 MAI-Transcribe-1.5。這款模型並非基於第三方架構，而是由微軟內部自行開發，旨在解決生產環境中處理多語言、多口音及嘈雜環境音訊的轉錄挑戰。目前該模型已整合至 Copilot、Teams、GitHub 及 Dynamics 365 Contact Centre 等產品線，並同步於 Azure AI Foundry 平台上架。
效能與精準度的雙重提升
在精準度評測上，MAI-Transcribe-1.5 在 FLEURS 多語言基準測試中表現優異，並在 Artificial Analysis 排行榜上取得 2.4% 的字詞錯誤率（WER）。相較於前代版本，語言支援範圍從 25 種擴展至 43 種，新增語言包括孟加拉語、泰盧固語等 10 種南亞語言，以及烏克蘭語、希臘語等 8 種歐洲語言。
速度表現則是 MAI-Transcribe-1.5 的另一大亮點。根據微軟數據，該模型在處理長音訊時，速度比 Gemini 3.1、Scribe v2 及 GPT-4o-Transcribe 快上 5 倍，相較於第一代 MAI-Transcribe-1，長篇推論速度更提升了 5.7 倍。
關鍵字偏置：解決領域術語痛點
針對企業用戶常遇到的專業術語（如人名、產品名、醫療術語）辨識困難，MAI-Transcribe-1.5 導入了「關鍵字偏置」（Entity Biasing）功能。用戶可提供最多 200 個關鍵字清單，模型會依據上下文判斷是否套用，而非盲目強制匹配。微軟指出，此功能在 FLEURS 測試中能將錯誤率降低 30%。例如，在未啟用偏置前，模型可能將人名誤判為一般單字，啟用後則能精確還原如「Shaun」、「Aoife」等名稱。
現階段的優勢與限制
儘管 MAI-Transcribe-1.5 在多語言處理與長音訊轉錄上展現了強大競爭力，但目前仍存在幾項技術限制：
- 缺乏說話者識別（Diarization）：目前無法自動區分不同發言者。
- 無原生串流 API：暫不支援即時語音轉錄。
- 第三方驗證：部分效能數據由微軟內部提供，且在 Artificial Analysis 排行榜上目前位居第三。
該模型具備自動語言識別功能，無需手動設定即可偵測輸入語言，適用於影片字幕製作、會議紀錄、客服分析及語音代理人等生產場景。
