跳到主要內容

MAI-Transcribe-2評測：語音轉文字最準，但比對手貴 | MAI-Transcribe-2 Review: Accurate, But Pricier Voice AI

By Kit 小克 | AI Tool Observer | 2026-10-03

🇹🇼 MAI-Transcribe-2評測：語音轉文字最準，但比對手貴

Microsoft 在 2026 年 10 月 1 日同時推出三款語音 AI 模型，其中最受關注的是即時語音轉文字模型 MAI-Transcribe-2-Streaming，加上文字轉語音的 MAI-Voice-2.1 與 MAI-Voice-2.1-Flash。重點很簡單：MAI-Transcribe-2 在跑分拿下目前最準的即時語音轉文字成績，但換算下來的價格比多數對手貴，這篇用實際數字拆給你看值不值得換。

MAI-Transcribe-2-Streaming 準確度真的最高嗎？

是，根據 Artificial Analysis 的跑分，MAI-Transcribe-2-Streaming 在 38 個模型裡拿下準確度第一：最終字錯率只有 2.5%，初步結果（partial）錯率 2.8%，收到音訊後約 100 毫秒就能吐出第一版文字，語音結束後 0.13 秒內定稿，支援 60 種語言並能自動偵測。

MAI-Transcribe-2 多少錢？比對手貴多少？

MAI-Transcribe-2-Streaming 到 2026 年底前的優惠價是每小時音訊 0.54 美元，換算每千分鐘 9 美元。這個價格跟 Google Gemini 3.5 Transcribe Live 打平，但明顯比下面這些對手貴：

  • ElevenLabs Scribe v2 Realtime：每千分鐘 6.5 美元
  • Deepgram Flux：每千分鐘 6.5 美元
  • Cartesia Ink-2：每千分鐘不到 4.5 美元，比 Microsoft 便宜超過一半

換句話說，MAI-Transcribe-2 準確度最高是事實，但如果你的應用對字錯率沒那麼敏感（例如會議記錄、客服逐字稿），Deepgram 或 Cartesia 的性價比明顯更好。

MAI-Voice-2.1 跟 Flash 版差在哪？

MAI-Voice-2.1 走高擬真路線，每百萬字元 22 美元，盲測中有 50.3% 聽眾覺得它跟真人錄音一樣自然甚至更自然；MAI-Voice-2.1-Flash 主打低延遲、高流量場景，150 毫秒端到端延遲、推論速度快 55%，價格只要每百萬字元 15 美元，比同類模型便宜約 60%。兩者都支援用幾秒參考音訊複製聲音，且內建「同意」防護機制。

開發者現在能用嗎？

三款模型都在 Microsoft Foundry 公開預覽中，可用 Azure Speech SDK 或相容 OpenAI Realtime 規格的 WebSocket API 呼叫，語音模型也已上架 Vercel、OpenRouter 和 Azure Voice Live，LiveKit 整合即將推出。

好不好用，試了才知道。

🇺🇸 MAI-Transcribe-2 Review: Accurate, But Pricier Voice AI

On October 1, 2026, Microsoft launched three new voice AI models at once: the real-time speech-to-text model MAI-Transcribe-2-Streaming, plus two text-to-speech models, MAI-Voice-2.1 and MAI-Voice-2.1-Flash. The headline: MAI-Transcribe-2 just took the top accuracy spot on a major benchmark, but it costs more than most rivals — here's the actual math on whether it's worth switching.

Is MAI-Transcribe-2-Streaming really the most accurate?

Yes. On the Artificial Analysis benchmark, MAI-Transcribe-2-Streaming ranks #1 for accuracy among 38 models: a 2.5% final word-error rate and 2.8% partial-rate, with first hypotheses arriving around 100ms after audio starts and a final transcript locked in 0.13 seconds after speech ends, across 60 auto-detected languages.

How much does MAI-Transcribe-2 cost compared to rivals?

MAI-Transcribe-2-Streaming runs an introductory $0.54 per hour of audio through year-end — about $9 per 1,000 minutes. That ties Google's Gemini 3.5 Transcribe Live, but it's noticeably pricier than:

  • ElevenLabs Scribe v2 Realtime: $6.50 per 1,000 minutes
  • Deepgram Flux: $6.50 per 1,000 minutes
  • Cartesia Ink-2: under $4.50 per 1,000 minutes — less than half Microsoft's price

Top accuracy is real, but if your use case — meeting notes, support transcripts — can tolerate a slightly higher error rate, Deepgram or Cartesia likely offer better value per dollar.

What's different between MAI-Voice-2.1 and the Flash version?

MAI-Voice-2.1 targets maximum realism at $22 per million characters — in blind tests, 50.3% of listeners rated it as natural or more natural than actual human recordings. MAI-Voice-2.1-Flash is built for high-volume, latency-sensitive use: 150ms end-to-end latency, 55% faster inference, and roughly 60% cheaper at $15 per million characters. Both support voice cloning from a few seconds of reference audio, with built-in consent safeguards.

Can developers use it today?

All three models are in public preview on Microsoft Foundry, callable via the Azure Speech SDK or an OpenAI Realtime-compatible WebSocket API. The voice models are also live on Vercel, OpenRouter, and Azure Voice Live, with LiveKit integration coming soon.

You won't know until you try it.

Sources / 資料來源

常見問題 FAQ

MAI-Transcribe-2-Streaming 是什麼？

是 Microsoft 在 2026 年 10 月發表的即時語音轉文字模型，主打低延遲與高準確度，收到語音後約 100 毫秒就能吐出初步文字結果。

MAI-Transcribe-2 比 Deepgram、ElevenLabs 準嗎？

根據 Artificial Analysis 跑分，MAI-Transcribe-2-Streaming 以 2.5% 字錯率排名第一，但價格每千分鐘 9 美元，比 Deepgram Flux、Cartesia Ink-2 等對手貴。

MAI-Voice-2.1 可以拿來複製別人的聲音嗎？

技術上支援用幾秒參考音訊複製聲音，但 Microsoft 內建了同意（consent）防護機制，限制未經授權的聲音複製。

現在可以用這些模型嗎？

可以，三款模型都已在 Microsoft Foundry 公開預覽，透過 Azure Speech SDK 或 WebSocket API 呼叫，也能在 Vercel、OpenRouter 上使用。

延伸閱讀 / Related Articles

AI 工具觀察站 — 每日精選 AI Agent 與工具趨勢
AI Tool Observer — Daily curated AI Agent & tool trends

留言

張貼留言

這個網誌中的熱門文章

Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 | Google Ironwood TPU v7 Explained: Matching NVIDIA Performance at 44% Lower Cost — The AI Chip War Heats Up

By Kit 小克 | AI Tool Observer | 2026-04-21 🇹🇼 Google Ironwood TPU v7 推理專用晶片解析：效能追平 NVIDIA、成本低 44%，AI 晶片戰爭正式開打 Google Ironwood TPU 是什麼？為什麼它讓 NVIDIA 緊張？ Google Ironwood TPU（代號 TPU v7）是 Google 第七代自研 AI 晶片，也是第一款 專為推理（inference）設計 的 TPU。在 AI 模型越來越大、推理需求暴增的時代，Google 不再只依賴 NVIDIA GPU，而是推出自己的推理專用晶片來搶市場。 Ironwood TPU v7 規格有多強？ 每顆 Ironwood TPU 提供 4.6 petaFLOPS 的 FP8 運算效能 ，搭載 192 GB HBM3E 記憶體，頻寬達 7.37 TB/s。單顆效能略高於 NVIDIA B200（4.5 petaFLOPS），接近 GB300 的 5 petaFLOPS。 更驚人的是規模化能力：Ironwood 可擴展至 9,216 顆晶片組成超級叢集 ，總算力達 42.5 ExaFLOPS，遠超 NVIDIA GB300 NVL72 系統的 0.36 ExaFLOPS。共享記憶體池高達 1.77 PB，解決了大型模型推理時的資料瓶頸問題。 Ironwood TPU 比 NVIDIA 便宜多少？ 根據分析，Ironwood 的 整體擁有成本（TCO）比 NVIDIA GB200 低約 44% 。在能效方面，Ironwood 的 FP8 效能達每瓦 5.42 TFLOPS，而 GB300 為 3.57 TFLOPS/W，Google 晶片的能效高出約 52%。 為什麼 Google 要做推理專用晶片？ AI 產業正從「訓練時代」轉向「推理時代」。當 ChatGPT、Gemini、Claude 等 AI 助手每天處理數十億次查詢時，推理運算的需求遠超過訓練。Google 稱之為「推理時代（age of inference）」，而 Ironwood TPU 就是為這個時代量身打造的武器。 對開發者和企業有什麼影響？ Ironwood TPU 目前 只能透過 Google Cloud 使用，無法...
閱讀完整內容

Claude Code 實測：AI 幫你寫程式到底行不行？ | Claude Code Review: Can AI Really Code for You?

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Claude Code 實測：AI 幫你寫程式到底行不行？ Claude Code 是 Anthropic 推出的命令列 AI 程式助手，直接在你的終端機裡運作。跟其他 AI 程式工具不同的是，它不是 IDE 外掛，而是一個獨立的 CLI 工具，可以讀取你的整個 codebase、執行指令、甚至幫你做 git 操作。我實際用了幾個月，以下是真實心得。 安裝與設定 安裝非常簡單，透過 npm 就能搞定： npm install -g @anthropic-ai/claude-code 。啟動後它會要求你登入 Anthropic 帳號或設定 API key。整個流程不到五分鐘。 實際使用體驗 Claude Code 最強的地方在於 它理解你的整個專案 。你不需要手動貼程式碼，它會自己讀取相關檔案、分析程式結構，然後給出建議或直接修改。實測幾個場景： Bug 修復 ：描述錯誤現象，它能自動找到問題檔案並提出修正，準確率大約 70-80% 新功能開發 ：給它需求描述，它能產出可用的初版程式碼，但通常需要人工調整細節 程式碼重構 ：這是它最擅長的。重新命名變數、抽取函式、調整架構，做得又快又好 寫測試 ：給它一個函式，它能產生相當完整的測試案例 優缺點分析 優點： 深度理解 codebase，不是只看單一檔案 可以執行 shell 指令，直接跑測試、裝套件 支援 CLAUDE.md 讓你定義專案規則 agentic 模式下可以自主完成多步驟任務 缺點： API 費用不便宜，大型專案一天可能花 10-30 美元 偶爾會過度修改，改了不該改的地方 對非英語的程式碼註解理解力稍弱 需要良好的網路連線 適合誰用？ 如果你是全端開發者、需要處理多個專案、或者經常做重構，Claude Code 絕對值得一試。但如果你只是寫簡單的腳本，免費的 Copilot 可能就夠了。 Kit 的結論： Claude Code 是目前最接近「AI 工程師」的工具。它不完美，但確實能大幅提升生產力。好不好用？試了才知道。 🇺🇸 Claude Code Review: Can AI Really Code for You?...
閱讀完整內容

Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 | AI Coding Assistants Compared: Cursor vs GitHub Copilot vs Claude Code

By Kit 小克 | AI Tool Observer | 2026-03-27 🇹🇼 Cursor vs GitHub Copilot vs Claude Code：AI 程式助手大比拼 2026 年，AI 程式助手已經成為開發者的標配。但市場上選擇太多了，到底該用哪一個？我同時使用了 Cursor、GitHub Copilot 和 Claude Code 超過半年，以下是完整比較。 GitHub Copilot：最普及的選擇 Copilot 是最早普及的 AI 程式助手，整合在 VS Code 和各大 IDE 中。它的核心功能是 即時程式碼補全 ——你打字的時候，它自動建議下一行或下一段程式碼。 優點 ：補全速度快、整合度高、支援幾乎所有語言、Copilot Chat 可以問問題 缺點 ：上下文理解有限（主要看當前檔案和少量相關檔案）、Agent 模式仍在發展中 價格 ：個人版 /月，企業版 /月 Cursor：IDE 級別的 AI 整合 Cursor 是一個從頭打造的 AI-first IDE（基於 VS Code fork）。它不只是補全程式碼，而是把 AI 深度融入整個開發流程。 優點 ：Composer 功能可以跨檔案編輯、Agent 模式可以自主執行多步驟任務、支援切換不同 AI 模型、Tab 補全非常智慧 缺點 ：是獨立的 IDE 需要遷移、Pro 方案有使用量限制、偶爾不穩定 價格 ：免費方案有限制、Pro /月 Claude Code：終端機裡的 AI 工程師 Claude Code 走完全不同的路線——它是 CLI 工具，在終端機裡運作，不綁定任何 IDE。 優點 ：理解整個 codebase、可以執行系統指令、支援 git 操作、CLAUDE.md 定義專案規則、最強的 agentic 能力 缺點 ：沒有視覺化介面、按 API token 計費（可能很貴）、需要習慣 CLI 工作流 價格 ：按 API 使用量計費，或透過 Max 訂閱方案 關鍵差異比較 即時補全 ：Copilot ≈ Cursor > Claude Code（無此功能） 跨檔案理解 ：Claude Code > Cursor > Copilot Agentic 能力 ：Claud...
閱讀完整內容