# 影片筆記：【世界最速・最高精度・最安】Microsoftが新音声認識AI「MAI-Transcribe-2」を発表！10倍速＆1時間15円でWhisper超え！？【ずんだもん＆四国めたん解説】


<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->
## ⚠️ 全文快速校讀發現待確認修正

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

- 待修正：⚠️ 全文快速校讀發現未解決異常（segment=10 待確認：日文長漢字詞與片假名直接黏接，疑似公司/產品名稱 ASR 錯認；AI 未輸出可驗證的暫定修正版；segment=25 待確認：日文長漢字詞與片假名直接黏接，疑似公司/產品名稱 ASR 錯認；AI 未輸出可驗證的暫定修正版）
- 待修正：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）
- 待修正：逐字稿可先使用，但有待校正清單（segment=15 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語；segment=60 unnatural_sentence_boundary: 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

## 一句話總結
Microsoft 發布新一代 AI 轉錄模型「MAI-Transcribe-2」，宣稱在速度、精度與價格上全面超越 OpenAI Whisper 等競爭對手，並提供限時優惠。

## 核心重點
*   **產品發布**：Microsoft 發布新音声認識 AI「MAI-Transcribe-2」（影片標題與部分筆記提及）。
*   **三大優勢**：
    1.  **速度**：宣稱比 OpenAI Whisper 快 10 倍。
    2.  **精度**：宣稱達到最高精度。
    3.  **價格**：限時優惠價為 1 小時 15 日元（約 0.10 美元），被稱為「價格破壞」。
*   **功能特性**：支援說話人分離、時間戳記、原始/乾淨文字模式、代碼切換、關鍵字偏置及噪聲抑制。
*   **開發背景**：由 Microsoft AI 部門開發，從初代到版本 2 迭代速度極快。

## 詳細大綱

### I. 模型概況與核心賣點
*   **身份定義**：Microsoft AI 部門開發的最新一代文字轉錄模型。
*   **核心競爭優勢**：
    1.  **世界最速**：處理速度極快，適合即時字幕與長會議錄音。
    2.  **最高精度**：多語言自動識別與轉錄準確率據稱全球第一。
    3.  **最優價格**：極低的單小時費用，實現「價格破壞」。

### II. Microsoft AI 開發歷程
*   **快速迭代時間線**：
    *   2026 年 4 月：發布 MAI Voice 1、MAI Image 2、初代 MAI Transcribe 1。
    *   2026 年 6 月：發布改良版 MAI Transcribe 1.5。
    *   2026 年 9 月 3 日：發布重大更新的 MAI Transcribe 2。
*   **技術升級**：內部架構重新設計，推理延遲大幅縮短，吞吐量大幅提升。
*   **語言支援**：涵蓋日語、英語、中文、歐洲語言、亞洲及非洲語言。

### III. 客觀基準測試數據對比
*   **速度比較**：
    *   對比 OpenAI GPT Transcribe：約 10 倍高速。
    *   對比 ElevenLabs Scribe V2：約 7 倍高速。
    *   對比 Google Gemini 3.1 Transcribe：約 5 倍高速。
    *   對比 Whisper Large V3：異次元速度，數小時會議可瞬間完成。
*   **精度比較（FLURS 基準測試）**：
    *   指標：詞彙錯誤率（WER），數值越低越好。
    *   MAI Transcribe 2：5.2%（單獨第 1 位）。
    *   Gemini 3.1 Pro：5.3%。
    *   Scribe V2：6.2%。
    *   Gemini 3.1 Bot Transcribe：8.6%。
    *   GPT Transcribe：10.4%。
    *   Whisper Large V3：22.8%。
    *   **結論**：錯誤率降至 1/4 以下，在 Pareto Frontier（帕累托前沿）圖表中位於精度與速度的理想區域。

### IV. 實用新功能詳解
1.  **Speaker Diarization（說話人分離）**：自動區分會議或訪談中誰說了什麼，即使多人同時說話也能準確生成逐字稿。
2.  **Word-level Timestamp（詞彙級時間戳記）**：提供每個單詞的開始與結束時間（毫秒級），便於影片編輯標註字幕或關鍵字檢索。
3.  **可設定文字風格（Text Style）**：
    *   **Raw Mode（原始模式）**：保留「啊」、「那個」等口頭禪與修正，適用於法律、醫療記錄或合規調查。
    *   **Clean Mode（乾淨模式）**：自動移除填充詞，整理為易讀的日語/文本，減少後期手動編輯工作。
4.  **Code Switching（代碼切換）**：能自然識別混合語言對話（如日英混合、印英混合 Hinglish）。
5.  **Keyword Bias（關鍵字偏置）**：預先註冊醫療、法律術語或公司產品名稱，防止誤識別。
6.  **Noise Suppression（噪聲抑制）**：在咖啡廳或異常環境下仍能清晰拾音。

### V. 價格與成本效益
*   **限時優惠價**：2026 年底前，每小時 0.10 美元（約 15.6 日元）。
*   **成本對比**：
    *   相當於一杯果汁的價格可處理 8 小時音頻。
    *   對比 OpenAI Whisper API：0.36 美元/小時（約 6 美元/1000 分鐘）。
    *   對比其他服務：Pluralsight 約 3.67 美元，Smorest AI 約 4.00 美元。
*   **應用場景**：極低成本使呼叫中心全通話錄音、大型播客存檔處理成為可能。

### VI. 使用方式與平台
*   **MAI Playground**：瀏覽器介面，拖放音頻文件即可體驗速度與精度。
*   **Microsoft Foundry / Azure AI Speech API**：面向開發者與企業，可通過程式語言調用，整合至自有系統或應用。
*   **OpenRouter**：已開始提供，支援多供應商環境。

### VII. 市場競爭與未來展望
*   **競爭格局**：2026 年 8 月下旬，Google 發布 Gemini 3.1 Transcribe，Meta 發布 Nuance Voice，Microsoft 以最高精度、10 倍速度及最低價格入場。
*   **趨勢**：從單純的 Whisper 時代進入新世代，推動即時翻譯、自主 AI 代理（Autonomous Agents）及日常對話界面的發展。

### VIII. 結尾與廣告
*   **呼籲行動**：建議觀眾在 Playground 試用，並給予讚好、訂閱與評論。
*   **廣告推廣**：Rocket Partner（配送/外賣平台）。
    *   優惠：註冊時輸入邀請碼 **MRNWD** 可獲得 1000 日元。
    *   目標：利用空閒時間賺取額外收入。

## 工具 / 模型 / 名詞整理
*   **MAI Transcribe 2** (原文：MAIトランススクライブ2 / MAIフランススクライブ2 / MAIトランスプライブ2)
*   **MAI Voice 1** (原文：MAIボイス1)
*   **MAI Image 2** (原文：MAIイメージ2)
*   **MAI Transcribe 1**
*   **MAI Transcribe 1.5**
*   **GPT Transcribe** (原文：GPTトランススクライブ / GPTトランススクスプライブ)
*   **Gemini 3.1 Transcribe** (原文：ジェミに3点トランススクライブ / ジミに3点トランススクスクライブ)
*   **Gemini 3.1 Pro** (原文：ジェミに3.1プロ)
*   **Gemini 3.1 Bot Transcribe** (原文：ジェミに3点ボトランススクスクライブ)
*   **ElevenLabs Scribe V2** (原文：イレブンラボのスクライブV2 / スライブV2)
*   **Whisper Large V3** (原文：ウィスパーラージV3 / ウィスパージV3)
*   **FLURS** (國際多語言語音評估數據集)
*   **OpenAI**
*   **Google**
*   **Microsoft** (原文：MICRT / MICROSフt)
*   **Microsoft AI** (原文：MAI / MicrosoftAI)
*   **Pluralsight** (原文：プライ2 / プライ2)
*   **Smorest AI** (原文：スモーレストAI)
*   **OpenRouter** (原文：オープンルーター)
*   **Microsoft Foundry** (原文：Microsoftファウンリア)
*   **Azure AI Speech API** (原文：AISTRRESTAPI / Azure AI Speech API 疑點)
*   **MAI Playground** (原文：MAIプレイグラウンド / プレイブラウンド)
*   **Rocket Partner** (原文：ロケットパートナー)

## 操作流程整理
1.  **體驗速度與精度**：使用 **MAI Playground** 瀏覽器介面，拖放音頻文件進行測試。
2.  **企業級整合**：開發者透過 **Microsoft Foundry** 或 **Azure AI Speech API** 調用 API，整合至自有系統。
3.  **多供應商環境**：透過 **OpenRouter** 接入服務。
4.  **廣告優惠註冊**：在 **Rocket Partner** 註冊並輸入邀請碼 **MRNWD** 獲取優惠。

## 值得注意的限制或風險
*   **時間點疑義**：筆記中多次提及「2026 年 4 月」、「2026 年 9 月 3 日」、「2026 年底前」，若當前時間非 2026 年，則可能為未來預測或聽寫錯誤，需查證影片發布時間與內容一致性。
*   **名稱辨識不確定**：模型名稱「MAI-Transcribe-2」及相關變體（如 Transcribe/トランススクライブ/フランススクライブ）在逐字稿中存在多種拼寫，需確認官方正確名稱。
*   **價格與貨幣**：提及「1 小時 15 日元」與「0.10 美元」，需確認匯率換算及限時優惠的具體條件。

## 逐字稿辨識疑點
*   **segment 15**: unnatural_sentence_boundary — 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語
*   **segment 60**: unnatural_sentence_boundary — 標點出現在句首或停在逗號位置，斷句可能不符合文法/口語
*   **segment 10**: rapid_semantic_review — 日文長漢字詞與片假名直接黏接，疑似公司/產品名稱 ASR 錯認；AI 未輸出可驗證的暫定修正版
*   **segment 25**: rapid_semantic_review — 日文長漢字詞與片假名直接黏接，疑似公司/產品名稱 ASR 錯認；AI 未輸出可驗證的暫定修正版
*   **segment 31**: rapid_semantic_review — 日文長漢字詞與片假名直接黏接，疑似公司/產品名稱 ASR 錯認；AI 未輸出可驗證的暫定修正版
*   **segment 32**: rapid_semantic_review — 日文長漢字詞與片假名直接黏接，疑似公司/產品名稱 ASR 錯認；AI 未輸出可驗證的暫定修正版
*   **segment 35**: rapid_semantic_review — 日文長漢字詞與片假名直接黏接，疑似公司/產品名稱 ASR 錯認；AI 未輸出可驗證的暫定修正版
*   **segment 49**: rapid_semantic_review — 日文長漢字詞與片假名直接黏接，疑似公司/產品名稱 ASR 錯認；AI 未輸出可驗證的暫定修正版
*   **segment 87**: rapid_semantic_review — 日文長漢字詞與片假名直接黏接，疑似公司/產品名稱 ASR 錯認；AI 未輸出可驗證的暫定修正版
*   **segment 89**: rapid_semantic_review — 日文長漢字詞與片假名直接黏接，疑似公司/產品名稱 ASR 錯認；AI 未輸出可驗證的暫定修正版

**其他逐字稿辨識疑點列表：**
*   **MAI**：逐字稿中多次出現「MAI」，結合上下文指代 Microsoft 的 AI 品牌，但 Microsoft 官方品牌通常為「Microsoft AI」或特定產品線名稱，此處「MAI」可能為聽寫錯誤或特定內部代號，需查證。
*   **Transcribe 拼寫變體**：逐字稿中出現「トランススクライブ」、「トランススクスプライブ」、「トランススクスクライブ」、「トランスプライブ」、「フランススクライブ」等多種拼寫，均指代同一產品「Transcribe」。
*   **Gemini 拼寫**：出現「ジェミに」、「ジミに」，應為「Gemini」的聽寫錯誤。
*   **3.1 拼寫**：出現「3点」，應為版本號「3.1」的聽寫錯誤。
*   **Whisper 拼寫**：出現「ウィスパーラージV3」、「ウィスパージV3」，應為「Whisper Large V3」。
*   **AISTRRESTAPI**：原文為「AISTRRESTAPI」，疑為「Azure AI Speech API」或類似 API 名稱的聽寫錯誤。
*   **MRNWD / MRNMWD**：廣告邀請碼前後出現「MRNWD」與「MRNMWD」，需確認正確代碼。
*   **2026年**：文中多次提及「26年4月」、「26年9月3日」、「2026年末」，若當前時間非 2026 年，則可能為未來預測或聽寫錯誤（如 2024/2025），需查證影片發布時間與內容一致性。
*   **水論**：原文「水論でレ天使が劇的に短縮」，疑為「推論延遲」或類似技術術語的聽寫錯誤。
*   **ウクット**：原文「処理するウクットが大幅に跳ね上がった」，疑為「Throughput」（吞吐量）的聽寫錯誤。
*   **車アライゼーション**：原文「車アライゼーションスピーカーダイアリゼーション」，疑為「Speaker Diarization」（說話人分離）的聽寫錯誤，「車」可能為「Speaker」的誤聽。
*   **タイムスタント**：原文「タイムスタント」，應為「Timestamp」（時間戳記）。
*   **テロップを1同機**：原文「テロップを1同機させたり」，疑為「テロップを同期させたり」（同步字幕）的聽寫錯誤。
*   **頭出し検索**：原文「頭出し検索」，此為正確術語，指檢索特定片段。
*   **バーベイタム**：原文「バーベイタム」，應為「Raw Mode」或「Raw」的聽寫錯誤。
*   **グリーンモード**：原文「グリーンモード」，應為「Clean Mode」的聽寫錯誤。
*   **法定**：原文「法定や医療記録」，疑為「法律」或「法規」相關詞彙，或為「法律」的聽寫錯誤。
*   **Aとあの**：原文「Aとあのなどの言いみや」，疑為「啊、那個」等填充詞的聽寫。
*   **いみラー**：原文「いみラーお自動で」，疑為「フィルラー」（Filler，填充詞）的聽寫錯誤。
*   **日本に整形**：原文「読みやすい日本に整形」，疑為「日本語に整形」（整理成日語）的聽寫錯誤。
*   **フィラー**：原文「フィラーを削る」，指「Filler」（填充詞）。
*   **品グリッシュ**：原文「品グリッシュのような語音声」，應為「Hinglish」（印英混合語）的聽寫錯誤。
*   **クロンプ**：原文「事前にクロンプと登録しておく」，疑為「Keyword」（關鍵字）或「List」（列表）的聽寫錯誤。
*   **ノイズ体制**：原文「強力なノイズ体制」，應為「Noise Suppression」（噪聲抑制）。
*   **腰を抜かした**：原文「1番腰を抜かしたのが」，口語成語，指「震驚」或「驚訝」。
*   **路音値価格**：原文「期間限定路音値価格」，疑為「録音価格」（錄音價格）的聽寫錯誤。
*   **ジュース1本**：原文「ジュース1本買うお金」，指「一杯果汁」。
*   **扇風約16.6時間**：原文「扇風約16.6時間算にすると」，疑為「計算すると」（計算下來）的聽寫錯誤，「扇風」可能為誤聽。
*   **他者**：原文「他者の料金と比較」，應為「他社」（其他公司）的聽寫錯誤。
*   **文字を腰を諦めて**：原文「文字を腰を諦めていた」，疑為「文字起こしを諦めていた」（放棄文字轉錄）的聽寫錯誤。
*   **大なポッドキャスト**：原文「大なポッドキャスト」，疑為「大量の」（大量的）的聽寫錯誤。
*   **殴り込んできた**：原文「殴り込んできた形」，口語，指「強勢進入市場」。
*   **リスパー**：原文「とりあえずリスパーだった」，應為「Whisper」的聽寫錯誤。
*   **加減後**：原文「加減後での