MAI-Transcribe-2 behaalt topresultaten op de FLEURS-benchmark in 60 talen, meldt Microsoft

Microsoft AI bracht op 3 september 2026 MAI-Transcribe-2 uit, een spraakherkenningsmodel dat volgens het lab als eerste op de FLEURS-benchmark staat in 60 talen met een gemiddelde woordfoutpercentage van 5,2 %. In de aankondiging beschreef Microsoft het model als tot nu toe het meest capabele transcriptiesysteem en stelde een prijs van $0,10 per uur audio vast.

Microsoft meldde dat MAI-Transcribe-2 sprekersdiarisatie, configureerbare transcriptiestijlen en tijdstempels op woordniveau toevoegt, en beter presteert dan concurrerende modellen zoals Gemini 3.5 Transcribe, GPT-Transcribe, Whisper V3‑Large en ScribeV2 over een breder scala aan real‑world‑audio. Volgens de aankondiging definieert het model de Pareto‑frontier voor nauwkeurigheid en latentie op Artificial Analysis en staat het tweede op de leaderboard voor woordfoutpercentage van Artificial Analysis, waarmee het de resultaten van eerdere MAI-Transcribe‑versies verbetert.

Microsoft positioneert het model voor workloads zoals klinische notities, juridische documentatie, toegankelijkheid en ondertiteling. Het bedrijf meldde snellere inferentie met aanzienlijk lagere latentie, met name voor lange audio, tot wel tien keer de verwerkingssnelheid van toonaangevende concurrenten. Daarnaast gaf het aan dat het model de transcriptiekwaliteit behoudt onder rumoerige omstandigheden buiten gecontroleerde opnametoepassingen.

Benchmarkresultaten

Op basis van evaluaties uitgevoerd door Artificial Analysis meldde Microsoft dat MAI-Transcribe-2 tien keer sneller is dan OpenAI’s GPT-Transcribe, zeven keer sneller dan ElevenLabs’ Scribe v2 en vijf keer sneller dan Gemini 3.5 Transcribe, terwijl het een hogere nauwkeurigheid levert. Het bedrijf stelde dat het model alleen staat in het meest aantrekkelijke kwadrant van de nauwkeurigheid‑tegen‑snelheid‑grafiek van de benchmark, met een foutpercentage van 2,0 % en een snelheidsfactor van 403,6, wat betekent dat een uur audio in ongeveer tien seconden wordt teruggegeven.

Op de openbare meertalige FLEURS-benchmark meldde Microsoft dat MAI-Transcribe-2 consequent een hoge nauwkeurigheid behoudt over alle 60 geteste talen. Het bedrijf beschreef het model als nauwkeurig in meer talen dan elk ander model en stelde dat ontwikkelaars die in meerdere talen transcriberen op één enkel model kunnen vertrouwen, waardoor complexiteit wordt verminderd en mogelijk GPU‑gebruik wordt bespaard. De aankondiging vermeldt ook dat de snelheid en doorvoersnelheid van het model Microsoft in staat stellen wat het de meest concurrerende prijs op de markt noemt. Bij de lancering is het tarief van $0,10 per uur een tijdelijke aanbieding die loopt tot het einde van het jaar.

Beschikbaarheid en ontwikkelaarsfuncties

De Microsoft Learn‑documentatie vermeldt MAI-Transcribe-2 als beschikbaar in Azure Speech in publieke preview, zonder service‑level agreement en niet aanbevolen voor productie‑workloads. De documentatie beschrijft MAI-Transcribe als een speech‑to‑text‑model dat intern is ontwikkeld door het Microsoft AI‑team, en dat workloads omvat zoals video‑ondertiteling, vergaderingen, klinische notities, callcenter‑documentatie, toegankelijkheidstools, contentcreatie en spraak‑agents. Het vermeldt ook MAI-Transcribe-2 naast de eerdere MAI-Transcribe‑1.5 en MAI‑Transcribe‑1, laatstgenoemde beëindigd op 20 augustus 2026.

Verzoeken worden geleid via de Fast Transcription‑API in de verbeterde modus, waarbij het model wordt geselecteerd door de eigenschap ‘enhanced mode model’ in te stellen op MAI-Transcribe-2. Audio‑invoer is beperkt tot bestanden onder 300 MB in WAV-, MP3‑ of FLAC‑formaat, en gebruik vereist een Azure‑abonnement en een Microsoft Foundry‑resource voor Speech.

Optionele parameters regelen de functieverzameling van het model. Sprekersdiarisatie splitst een opname per spreker en levert spreker‑gelabelde segmenten met offset‑ en duur‑metadata. Tijdstempels op woordniveau geven de timing van elk woord weer, terwijl een segment‑optie de timing per segment teruggeeft en een ‘none’-optie timinggegevens weglaat. Een ‘phrase‑list’-parameter beïnvloedt de herkenning richting opgegeven termen zoals domeinspecifieke terminologie, afkortingen en eigen namen; de documentatie merkt op dat deze termen als hints fungeren en niet als dwingende output.

De parameter ‘transcription style’ staat standaard op ‘verbatim’, waardoor spraak exact zoals uitgesproken wordt vastgelegd, inclusief vulwoorden en valse starts, voor compliance‑, QA‑ en analyse‑workloads. Een ‘clean’-instelling verwijdert vulwoorden en formatteert gangbare spraakpatronen automatisch om leesbaardere ondertitels, notities en gepubliceerde transcripties te produceren. Taalkeuze is optioneel; standaard detecteert het model automatisch de gesproken taal, en de documentatie raadt aan een specifieke taal af te dwingen alleen wanneer automatische detectie faalt. Code‑switching voor gemengde taalkoppels zoals Hinglish en Spanglish wordt automatisch afgehandeld, en geluidsrobustheid voor audio opgenomen buiten gecontroleerde omgevingen is inherent aan het model.

De documentatie vermeldt ook dat MAI-Transcribe audio‑invoer kan transcriberen via de Voice Live‑API met een sessie‑configuratie‑veld. Microsoft meldde dat het model beschikbaar is voor demonstratie via Microsoft Foundry, de MAI Playground en OpenRouter.

Bronnen uit het oorspronkelijke artikel: learn.microsoft.com [1]