MAI-Transcribe 2

MAI-Transcribe 2 是微软 AI 推出的多语言语音转文字模型，在 FLEURS 多语言基准测试中排名第一。它支持 60 种语言，具备自动语言识别、混合语言语音的语码切换、说话人分离、词级时间戳、面向领域特定术语的关键词偏置，以及可配置的逐字或清洁转录风格。它适用于隐藏字幕、通话转录、字幕制作、无障碍访问以及其他语音应用，并且在长音频上比 MAI-Transcribe-1.5 更快。

在 OpenRouter 上，将 response_format 设置为 "verbose_json" 以获取分段时间戳，并添加 timestamp_granularities: ["word"] 以获取词级时间戳。将 provider.options.azure.diarization.enabled 设置为 true 以获取说话人标签，通过 provider.options.azure.phraseList.phrases 提供关键词，并通过 provider.options.azure.enhancedMode.modelOptions.transcribeStyle 选择转录风格。参见 语音转文字指南。