微软发布自研医疗语音大模型MAI-Transcribe-2,Dragon Copilot Transcribe全面升级

SmartHey11月18日消息,11月17日举行的Ignite 2026大会上,微软正式宣布其医疗AI产品Dragon Copilot Transcribe全面启用自研语音识别大模型——MAI-Transcribe-2。

据微软介绍,MAI-Transcribe-2是当前业界速度最快、准确率最高的多语言医疗语音转写模型,目前已承担Dragon Copilot中全部医患对话的实时转写任务,覆盖率达100%。

在实际规模化部署中,Dragon Copilot Transcribe每月处理约1000万次真实就诊录音;在支持英语、西班牙语、法语、阿拉伯语、中文、印地语等多语言及中英混说、印地语-英语混说等复杂场景下,整体转写错误率下降约50%。目前全美约三分之一的执业医师已将其纳入日常临床工作流。

该模型具备强鲁棒性,即使在嘈杂诊室、远程问诊背景音干扰等现实环境中,仍能保持高精度识别。这意味着医生可更高效地将问诊语音自动转化为结构化电子病历,显著减少人工整理、术语校对与跨语言信息转译所需时间;对多语言患者群体而言,更可靠的语音识别能力也有助于降低因转写偏差导致的诊疗信息失真风险。

MAI-Transcribe-2还集成了多项面向临床场景的实用功能:支持说话人自动区分(Speaker Diarization)、词级时间戳(Word-level Timestamping)、医学关键词动态偏置(如优先识别‘心房颤动’而非‘心房颤抖’),并提供可配置的转写风格——用户可自由选择‘逐字模式’(保留所有语气词与重复表述,满足合规存档要求)或‘精简模式’(自动过滤冗余表达、标准化术语,适配病历撰写与临床分析)。

性能方面,MAI-Transcribe-2在涵盖60种语言的FLEURS国际基准测试中综合表现领先,平均词错误率(WER)低至5.2%;在Artificial Analysis发布的权威语音模型综合评测(兼顾准确率与端到端延迟)中亦稳居第一梯队。

此外,该模型对长音频(如30分钟以上完整问诊录音)的处理效率最高可达部分竞品的10倍;微软同步推出限时定价策略——每处理1小时音频仅需0.10美元。