MAI Transcribe 2
- 转错的字（FLEURS，60 种语言）
- 5.2%
- 语言
- 60 种，自动识别
- 谁在说
- 自带
- 一小时音频
- 大约 10 秒
- 今天怎么试
- 登录后每天免费一份
MAI Transcribe 2 vs Whisper：哪个语音转文字模型胜出？
你手里有一段录音。你想要能读的文字，最好能看出来是谁说的，而且不用先装一堆软件。这页比的就是这件事。
MAI Transcribe 2 是你在本站试用的模型。Whisper 是很多人已经在笔记本上跑的开源模型。两者都能把说话变成字，但不是同一份工作。
音频不能离开自己的电脑，Whisper 仍然是老实答案。今天下午就要会议纪要、字幕、或一段不想反复倒的语音留言，从这里开始。
数字先看清楚
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
并排看一眼
Whisper Large v3
- 转错的字（FLEURS，60 种语言）
- 22.8%
- 语言
- 覆盖广，要自己配
- 谁在说
- 通常要另做
- 一小时音频
- 看你的机器
- 今天怎么试
- 自己安装
分语言词错误率
越低越好↓
FLEURS 测试集，指定语言 · 全部 60 种语言 · 每种语言最好的结果标成绿色。
更低更高该语言最佳
显示 15 / 60 种语言 · Afrikaans 到 English
| 模型 | AF | AR | HY | AS | AZ | BN | BS | BG | YUE | CA | ZH | CS | DA | NL | EN |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| MAI-Transcribe-2 | 13.1 | 8.7 | 12.6 | 8.7 | 9.4 | 4.8 | 4.7 | 5.1 | 6.6 | 2.8 | 4.5 | 3.9 | 5.4 | 3.6 | 2.7 |
| Gemini 3.1 Pro | 11.7 | 9.8 | 6.1 | 8.7 | 6.6 | 5.1 | 4.8 | 4.5 | 5.6 | 2.6 | 9.2 | 3.3 | 5.3 | 3.4 | 2.6 |
| Gemini 3.5 Transcribe* | 12.7 | 8.9 | 6.9 | 10.3 | 7.4 | 5.0 | 14.1 | 5.2 | 9.9 | 3.4 | 6.1 | 5.3 | 7.5 | 3.8 | 2.8 |
| Scribe v2 | 10.6 | 9.6 | 6.1 | 11.4 | 9.1 | 6.9 | 4.9 | 4.5 | 21.2 | 2.9 | 5.6 | 4.3 | 5.3 | 3.7 | 2.6 |
| Gemini 3.6 Flash* | 16.4 | 10.1 | 8.9 | 11.1 | 8.2 | 6.0 | 6.9 | 4.5 | 13.1 | 5.3 | 8.9 | 6.1 | 9.3 | 4.8 | 3.0 |
| GPT-transcribe | 18.8 | 10.3 | 11.2 | 21.5 | 10.9 | 8.9 | 53.4 | 6.7 | 7.8 | 3.8 | 6.2 | 5.3 | 8.2 | 4.0 | 3.2 |
| Whisper v3-large | 33.0 | 14.7 | 48.1 | 108.9 | 21.3 | 46.4 | 13.5 | 13.1 | 21.9 | 5.0 | 7.0 | 10.7 | 13.2 | 5.7 | 4.2 |
* Gemini 3.5 Transcribe：乌尔都语使用 Gemini 3.1 Pro。
* Gemini 3.6 Flash：保加利亚语和斯瓦希里语使用 Gemini 3.1 Pro。
听一段同样麻烦的音频
这几段是故意挑的：语言混着说、房间很吵、在外面打电话。播一段，再看转写够不够拿去改。
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.
同一段十分钟访谈
两个人、几个名字、垫乐上的笑声。MAI Transcribe 2 会给出文本、谁在说、什么时候说。拼写仍要改。你不必为了第一份草稿花一下午去拼工具。
Whisper 在同一文件上通常也能把字抓下来。然后你要「谁说的」，再加说话人；要字幕，再补时轴。文件不能离开机器时，这套值得。你只是今天想要笔记，那就是额外的活。
该用哪一个？
- 字幕、通话笔记、能引用的草稿：先用 MAI Transcribe 2。
- 音频不能离开电脑：留着 Whisper。
- 拿不准？在首页跑一段短文件，读文本。表不是测试。
对照常见问题
MAI Transcribe 2 比 Whisper 更准吗？
在公开的 FLEURS 测试、60 种语言上，MAI Transcribe 2 大约转错 5.2% 的词。Whisper Large v3 大约 23%。你的文件仍可能相反。换掉整套流程前，先试一段真实录音。
Whisper 能标出谁在说吗？
不能在同一轮里单独完成。Whisper 负责写出字。说话人标签通常来自别的工具。MAI Transcribe 2 会在同一份转写里标出谁在说、什么时候说。
哪个更便宜？
你已经在自己机器上跑 Whisper，它是免费的。别人帮你跑 Whisper，按分钟收费。注册登录后每天可以免费试用一次 MAI Transcribe 2。用量大了再看付费方案和积分包。
该用它替换 Whisper 吗？
想要带说话人的草稿、又不想自己跑模型时，可以换。音频必须留在本地时，留着 Whisper。很多人会两个都用：这里出初稿，需要时再留一份本地。