Microsoftが文字起こしAI「MAI-Transcribe-2」をリリース、Gemini 3.5 Transcribeより5倍高速＆GPT-Transcribeより10倍高速

情報元による記事紹介

60の言語を自動で検知して文字起こしするという音声認識モデル「MAI-Transcribe-2」をMicrosoftがリリースしました。OpenAIやGoogleの最新モデルより高性能かつ高速なことがアピールされています。 続きを読む...

AIによる記事の要点

情報元の記事をもとに自動生成しています。誤りや省略が含まれる場合があります。詳細は元記事で確認してください。

【概要】 Microsoftが音声認識モデル「MAI-Transcribe-2」をリリースした。60言語の自動検知に対応し、OpenAIやGoogleの最新モデルより高速かつ高精度であり、コストも競合他社より安価であることが特徴である。 【具体的なポイント】 ・**精度で業界トップ**：「FLEURS」ベンチマークで平均単語誤り率5.2％を記録し1位となり、1週間前にリリースされたばかりのGemini 3.5 Transcribeを含む競合モデルを上回った。 ・**処理速度で大幅に優位**：Artificial Analysisの検証によると、GPT-Transcribeより10倍、Scribe v2より7倍、Gemini 3.5 Transcribeより5倍高速であり、高精度を維持したまま実現している。 ・**段階的な開発進行**：Microsoftは2026年4月にMAI-Transcribe-1、6月にMAI-Transcribe-1.5をリリース済みで、今回の「2」は推論速度を大幅に向上させレイテンシーを低減している。 ・**多機能な文字起こし機能**：話者識別による正確な人物割り当て、単語の正確なタイミング把握による検索・編集の容易化、専門分野用語や文脈判別が難しい用語の認識に優れている。 ・**柔軟な出力設定**：「えーと」などの言いよどみ(フィラー)をそのまま残すか削除するかをユーザーが選択でき、目的に応じた使い分けが可能である。 ・**自動言語識別対応**：ユーザーが事前に言語を指定しなくても、60言語の中から正確に検出する機能を搭載している。 ・**競争力のある価格設定**：2026年末までの期間限定で1時間当たり0.1ドル(約15.6円)、1000分当たり1.67ドル(約260.5円)であり、Scribe v2の3.67ドルやSmallest AI Pulse Proの4ドルより安価である。 【注目点】 MAI-Transcribe-2は速度・精度・コストの三点で競合他社製品を上回る総合的な優位性を持つため、音声認識市場での採用拡大が予想される。ただし価格優遇は2026年末までの期間限定であるため、その後の価格設定が市場競争力に影響する可能性がある。 **用語** - **MAI-Transcribe-2｜Microsoftが開発した音声認識モデル。60言語対応で自動言語検知機能を備える** - **FLEURS｜音声認識モデルの精度を測定するベンチマークテスト** - **レイテンシー｜音声入力から文字起こし完了までの処理時間** - **フィラー｜「えーと」「あの」など会話中の言いよどみ**