01
多语言支持
一个模型覆盖 60 种语言，并自动识别人们在说什么，包括一句话中途切换语言的片段。上传前不用选语言。这对双语会议、跨地区访谈，以及混合语言的录音很重要。免费试用默认开启自动检测，正是为了省去这一步。
在线语音转文字
MAI Transcribe 2：在线 AI 语音转文字
MAI Transcribe 2 是一款语音转文字模型，能把会议、播客和语音备忘录转成带说话人标签的文本，覆盖 60 种语言。本站让你在浏览器里直接试用——注册登录后每天免费一份文件。
MAI Transcribe 2 编辑
免费试用 — 上传你的音频
先听几段真实录音
点播放。这是人们手里常见的短音频：吵闹的点子、中西语夹杂的站会、在外面录的语音留言。
房间有杂音，人说得很快。
Okay, listen. I have this absolutely unhinged idea, and I need you to roll with it. Help me make an agent that will literally buy tickets for my favorite band the second they are available.
同一场会里西语和英语来回切。
Bueno, ya estamos listos, ¿no? Eh, ¿podemos please checar que esté prendido my transcribe one? Sí, está. Super. Entonces, vamos a empezar. Oh, oh, someone else is joining us. Oh, hello. Please come in. Join us. We’ll switch to English, no problem. Sí, sí, sí. Bienvenido. Bienvenido.
在外面，有一点风，字仍然清楚。
Hey Megan, it’s Zach. Sorry, I’m outside right now, so there might be a little bit of background noise. I just wanted to follow up on Thursday’s meeting. 3:30 is going to be a bit of a stretch. It might be a little bit closer to 4:00. Oh yeah, before I forget, could you also send me the latest version of the deck? I want to take a look at that pricing slide one last time. All right, call me back when you get a chance. Thanks.
什么是 MAI Transcribe 2？
MAI Transcribe 2 能把会议、播客、通话和语音备忘录转成准确文本。不必先选语言。在本页上传一段短文件，用你自己的音频看看转写长什么样。
多数转写工具一遇到背景噪音或两个人同时说话就会乱。MAI Transcribe 2 不会。它能分清谁说了什么，自动覆盖 60 种语言，就算一句话里切换语言也能跟上。
它面向你真正会遇到的录音——有杂音的访谈、两个人抢话的会议、带垫乐的播客。几秒内给你一份能读的转写，并标出说话人，抽金句时不用反复拖进度条。
登录后即可开始免费试用。上传短文件，跑一遍 MAI Transcribe 2，下载文本即可。若在 MAI Transcribe 2 和 Whisper 之间做选择，看下面的对比。
播客是最常见的第一段测试。十分钟访谈通常有两个声音、几个专有名词，以及垫乐上的笑声。MAI Transcribe 2 会返回带说话人标签的草稿，方便引用。名字仍要人工改，但你不是从白纸开始。
会议是第二种测试。站会、客户电话、复盘里夹杂抢话和待办。说话人标签让「谁说周五要发版」能对上人，而不是一面字墙。这就是「能搜的笔记」和「录音再也不打开」的差别。
字幕是第三种任务。创作者需要一份能放进字幕编辑器的带时间轴草稿。词级时间戳提供的是 SRT 起点，不是可以直接播出的成稿。语气词之后再删；真正费劲的是一次从音频里得到对齐的文字。
访谈和口述更密、更慢。录音里全是人名、地名或专业术语时，你还是要逐行复核。模型的工作是去掉第一小时打字，让复核成为唯一剩下的活。
每天一次的免费转写，够应付大多数临时需求。团队和重度用户可以使用更高上限、优先处理的付费方案——细节见定价页。无论哪种，这个首页的意义都是：用你自己的音频，先看这个模型表现如何。
播客
两个主持、一位嘉宾、吵闹片头。拿到可引用的带标签草稿。
会议
站会和客户电话变成可搜索的笔记，而不是被遗忘的录音。
字幕
导出带时轴的草稿，再在字幕工具里改名字和标点。
访谈
实地录音和办公室口述，包括中英夹杂。
工作里那些专有名词，它能留下
药名、预算科目、病历口述最容易转错。播一段，对照旁边的文字。
药名最容易被转错。
Agent
00:04
Thank you for calling Pharmacy Support. My name is Jordan. How can I help you today?
Caller
00:10
Hi. I was charged twice for my Lisinopril refill last week and I haven’t heard anything about a refund.
Agent
00:19
I’m sorry about that. It looks like the auto-refill processed at the same time as your manual order. I’ll reverse the extra charge now — you should see it back within 3 to 5 business days.
Caller
00:31
That makes sense. Thank you for sorting that out.
两个人、一张表、一个决定。
Daniel
00:06
Let’s start with the Q3 budget review. I sent the updated spreadsheet this morning — did everyone get a chance to look at it?
Sara
00:14
I did. The travel line item looks high to me. Can we revisit that before we approve?
Daniel
00:21
Sure. I think two of those trips could be moved to virtual. That would bring it in line with last quarter.
Sara
00:29
Agreed. Let’s flag it for revision before the final sign-off.
带剂量和复诊计划的口述。
Dr. Johnson
00:05
This is Dr. Johnson. Dictating notes for a follow-up visit with Marcus T., 47-year-old male.
00:12
Patient presents with persistent lower back pain, three weeks in duration. Reports morning stiffness that improves with movement. No radiation to the legs.
00:24
Assessment: likely mechanical lower back pain. No red flag symptoms. Contributing factors include posture and sedentary work habits.
00:32
Plan: referral to physical therapy, six sessions. Ibuprofen 400 milligrams as needed with food. Follow up in four weeks or sooner if symptoms worsen. End note.
MAI Transcribe 2 vs Whisper — 哪个更好？
想要能读的笔记、能看出是谁说的、而且不用先搭机器，就用 MAI Transcribe 2。字幕、通话复盘、以及今天先试一段文件的人，这是默认选项。
音频必须留在自己电脑上，或你已经在本地跑 Whisper，就继续用 Whisper。Whisper 仍然强。公开测试里，嘈杂的多语言录音上 MAI Transcribe 2 转错更少——但你的文件可能相反，所以上面才有上传。
同一段十分钟播客，你能感觉到的差别是草稿。MAI Transcribe 2 会一起给出文本、说话人和时间。Whisper 给出强文本，然后你再补说话人和时轴。
| 维度 | MAI Transcribe 2 | Whisper Large V3 |
|---|---|---|
| 速度 | 1 小时 → 约 10 秒 | 长音频更慢 |
| 准确率 | 几乎每个字都能抓住，有背景噪音也一样 | 仍然优秀，尤其是你已经调过的环境 |
| 语言 | 60 种 + 自动检测 | 覆盖广；需要自己配置 |
| 价格 | 注册后每天免费一次；付费方案提高用量 | 自己跑则免费 / 托管另计 |
60 种语言里，少转错一些字
词错误率是转错的字占多少。越低越好。MAI Transcribe 2 是 5.2%。同一套 FLEURS 测试上，Whisper Large v3 大约 23%。
- 指定了语言
- 自己判断语言
MAI Transcribe 2
5.2%
Gemini 3.1 Pro
5.3 / 5.8%
Scribe v2
6.2 / 6.5%
Gemini 3.5 Transcribe
5.9 / 8.6%
Gemini 3.6 Flash
6.9 / 9.4%
GPT-Transcribe
10.4 / 10.6%
Whisper v3 Large
22.8 / 23.5%
FLEURS 平均词错误率 · 越低越好
想要说话人标签和速度在同一个托管工具里，用 MAI Transcribe 2。必须本地跑，就留着 Whisper。 阅读完整的 MAI Transcribe 2 vs Whisper 对比.
核心能力
02
说话人分离
四人会议里，模型会标出谁在说、并给每行打时间戳，你拿到的是能读的转写，而不是一面字墙。重叠仍然难——两个人同时说话不可能切得完美——但内置的说话人标签省掉多数 Whisper 方案还要另加的一步。请复核标签。然后搜「说话人 B 提到预算」，而不是全程滚动。
03
实时转写
一小时音频通常约 10 秒返回。本站免费文件上限为五分钟，是为了让第一次试用保持轻快。速度足够你当天做出字幕和通话笔记。你仍需等待网络，但不用排本地队列。
来源与引用
关于模型能力的数字来自公开模型资料和独立研究论文。
“FLEURS 为跨语言比较语音识别系统提供了一套统一的多语言评测基准。”
“语音识别的效果取决于录音、语言和环境；真正的文件永远是最后的检验。”
同时引用
常见问题
什么是 MAI Transcribe 2？
MAI Transcribe 2 是语音转文字模型。它能把会议、播客和语音备忘录转成可读文本，标出谁在说，并支持 60 种语言。本站让你在线试用——上传文件，几秒内拿到转写。
MAI Transcribe 2 可以免费试用吗？
可以。注册登录后每天可以免费转写一份文件。付费按 Credit 计：1 Credit ≈ 1 分钟音频。Plus、Pro 和积分包见定价页。
转写音频需要注册吗？
需要。先选择 MP3、WAV、M4A、FLAC 或 MP4 文件，点击转写时登录或注册。每个账号每天可成功免费转写一次，UTC 零点重置。视频只转写声音。
MAI Transcribe 2 和 Whisper 谁更准？
MAI Transcribe 2 目前是最准确的语音转文字模型之一。在对照测试中，多语言转写上它能追上或超过 Whisper，尤其是有背景噪音、多人说话的真实录音。用上面的上传工具试你自己的文件，差别一眼就能看出来。
MAI Transcribe 2 支持多少种语言？
支持 60 种语言，并自动检测口语。中英夹杂由同一轮处理完成。在本站上传前不必选择语言。
支持说话人分离吗？
支持。说话人标签是内置的，可以标出谁在说、什么时候说。有人抢话时仍要人工看一眼标签。目标是可读转写，不是庭审记录。
可以用 MAI Transcribe 2 API 吗？
可以，但需要 Plus、Pro 或积分包。在账户里生成 API Key，然后把音频 POST 到 /api/v1/transcribe。免费档不能调 API。付费任务和网页共用 Credit（1 Credit ≈ 1 分钟）。
可以上传哪些音频格式？
免费档支持 MP3、WAV、M4A、FLAC 和 MP4，上限 10MB / 5 分钟。视频只从音轨转写。需要更长转写？升级付费方案即可提高上限。
这是官方产品吗？
不是。这是一个独立网站，方便你在线试用 MAI Transcribe 2。
我的音频会如何存储？
音频用于生成转写，不会作为永久资料库保存。转写完成后，我们不会保留你的录音。请只上传你有权处理的音频。
