نماذج ومنصات الذكاء الاصطناعي
MAI-Transcribe-2 يتصدر اختبار FLEURS عبر 60 لغة، وفقًا لمايكروسوفت
أضف Unite.AI إلى مصادرك المفضلة على Google
أصدرت مايكروسوفت AI نموذج MAI-Transcribe-2 في 3 سبتمبر 2026، وهو نموذج التعرف على الكلام أفاد المختبر بأنه يحتل المرتبة الأولى في اختبار FLEURS عبر 60 لغة بمعدل خطأ كلمات متوسط يبلغ 5.2٪. في إعلانه، وصفت مايكروسوفت النموذج بأنه أكثر نظام نسخ قدرةً حتى الآن وحددت سعره بـ 0.10 دولار لكل ساعة من الصوت.
أعلنت مايكروسوفت أن MAI-Transcribe-2 يضيف تمييز المتحدث، وأنماط نسخ قابلة للتكوين، وطوابع زمنية على مستوى الكلمات، ويتفوق على النماذج المنافسة بما فيها Gemini 3.5 Transcribe و GPT-Transcribe و Whisper V3-Large و ScribeV2 عبر نطاق أوسع من الصوتيات الواقعية. وفقًا للإعلان، يحدد النموذج حدود باريتو للدقة والكمون في Artificial Analysis ويحتل المرتبة الثانية في لوحة صدارة معدل خطأ الكلمات في Artificial Analysis، محسنًا النتائج مقارنةً بالإصدارات السابقة من MAI-Transcribe.
وضعت مايكروسوفت النموذج للاستخدام في مهام مثل تدوين الملاحظات السريرية، والوثائق القانونية، وإمكانية الوصول، والترجمة النصية المغلقة. أفادت الشركة بأن الاستدلال أصبح أسرع مع انخفاض كبير في الكمون، خاصةً للملفات الصوتية الطويلة، حيث يصل إلى عشرة أضعاف سرعة المعالجة مقارنةً بالمنافسين الرائدين. كما ذكرت أن النموذج يحافظ على جودة النسخ في ظروف ضوضائية خارج بيئات التسجيل المضبوطة.
نتائج الاختبار
استنادًا إلى التقييمات التي أجرتها Artificial Analysis، صرحت مايكروسوفت أن MAI-Transcribe-2 أسرع بعشرة أضعاف من GPT-Transcribe الخاص بـ OpenAI، وأسرع بسبعة أضعاف من Scribe v2 التابع لـ ElevenLabs، وخمسة أضعاف من Gemini 3.5 Transcribe مع تحقيق دقة أعلى. وأوضحت الشركة أن النموذج يقع بمفرده في أكثر ربع جذاب في مخطط الدقة مقابل السرعة للاختبار، بمعدل خطأ يبلغ 2.0٪ وعامل سرعة قدره 403.6، ما يعني أن ساعة من الصوت تُعاد في حوالي عشر ثوانٍ.
في اختبار FLEURS المتعدد اللغات العام، أفادت مايكروسوفت أن MAI-Transcribe-2 يحافظ على مستوى عالٍ من الدقة عبر جميع اللغات الستين المختبرة. وصفت الشركة النموذج بأنه دقيق عبر عدد أكبر من اللغات مقارنةً بأي نموذج آخر، وأشارت إلى أن المطورين الذين ينسخون عبر لغات متعددة يمكنهم الاعتماد على نموذج واحد، مما يقلل التعقيد وربما يوفر استهلاك وحدات معالجة الرسوميات. كما يذكر الإعلان أن سرعة النموذج وقدرته على المعالجة تمكن مايكروسوفت من تقديم ما وصفته بأكثر سعر تنافسي في السوق. عند الإطلاق، كان سعر الساعة 0.10 دولار عرضًا محدودًا حتى نهاية العام.
التوفر وميزات المطور
تُدرج وثائق Microsoft Learn نموذج MAI-Transcribe-2 كمتاح في Azure Speech في نسخة تجريبية عامة، دون اتفاقية مستوى خدمة ولا يُنصح باستخدامه في أحمال الإنتاج. تصف الوثائق MAI-Transcribe بأنه نموذج تحويل الكلام إلى نص تم تطويره داخليًا بواسطة فريق Microsoft AI، ويغطي مهامًا مثل إضافة ترجمات الفيديو، والاجتماعات، والملاحظات السريرية، وتوثيق مراكز الاتصال، وأدوات إمكانية الوصول، وإنشاء المحتوى، ووكلاء الصوت. كما تُدرج MAI-Transcribe-2 إلى جانب الإصدارات السابقة MAI-Transcribe-1.5 و MAI-Transcribe-1، الأخير تم إيقافه في 20 أغسطس 2026.
تُوجه الطلبات عبر وضعية التعزيز في واجهة Fast Transcription API، حيث يتم اختيار النموذج بتعيين خاصية نموذج الوضعية المعززة إلى MAI-Transcribe-2. يقتصر إدخال الصوت على ملفات لا تتجاوز 300 ميغابايت بصيغ WAV أو MP3 أو FLAC، ويتطلب الاستخدام اشتراكًا في Azure وموارد Microsoft Foundry لخدمة Speech.
تتحكم المعلمات الاختيارية في مجموعة ميزات النموذج. تقوم خاصية تمييز المتحدث بتقسيم التسجيل حسب المتحدث وتعيد مقاطع مُعلمة باسم المتحدث مع بيانات إزاحة ومدة. تُعيد الطوابع الزمنية على مستوى الكلمات توقيت كل كلمة، بينما تُعيد خيار المقطع التوقيت لكل مقطع، وخيار عدم التوقيت يُزيل بيانات التوقيت. يُوجه معامل قائمة العبارات التعرف نحو المصطلحات المقدمة مثل المصطلحات المتخصصة، والاختصارات، والأسماء العلمية، وتوضح الوثائق أن هذه المصطلحات تعمل كإشارات وليس كإخراج مُفرض.
يُعيّن معامل نمط النسخ افتراضيًا إلى النص الحرفي، الذي يلتقط الكلام كما هو تمامًا، بما في ذلك الكلمات الحشو والبدايات الخاطئة، لتلبية متطلبات الامتثال، وضمان الجودة، وتحليل البيانات. يزيل الإعداد النظيف الحشو ويُعيد تنسيق الأنماط الكلامية الشائعة تلقائيًا لإنتاج ترجمات، وملاحظات، ونصوص منشورة أكثر قابلية للقراءة. اختيار اللغة اختياري؛ بشكل افتراضي يكتشف النموذج اللغة المنطوقة تلقائيًا، وتُنصح الوثائق بفرض لغة معينة فقط عندما تفشل عملية الاكتشاف التلقائي. يتم التعامل مع تبديل الشيفرة للزوج اللغوي المختلط مثل Hinglish و Spanglish تلقائيًا، وتُعد مقاومة الضوضاء للملفات الصوتية المسجلة خارج البيئات المضبوطة جزءًا أساسيًا من النموذج.
تشير الوثائق أيضًا إلى أن MAI-Transcribe يمكنه توفير نسخ الصوت المدخل عبر Voice Live API من خلال حقل تكوين الجلسة. صرّحت مايكروسوفت أن النموذج متاح للتجربة عبر Microsoft Foundry و MAI Playground، و OpenRouter.
