MAI-Transcribe-とGemini 3.5 Transcribe

ブログ

MicrosoftのMAI-Transcribe-2は、Gemini 3.5 Transcribeが出てわずか8日後にMicrosoftがぶつけてきた形ですが、少なくとも公開されている数字だけなら、Microsoftが一段上です。
比較するとこうなります。

項目MAI-Transcribe-2Gemini 3.5 Transcribe
発表2026/9/32026/8/26
Artificial Analysis WER2.0%2.6%
処理速度非常に速い速い
1時間音声の推論約10秒Microsoft測定では約5倍遅い
料金$0.10/音声1時間 ※期間限定約$0.30/音声1時間
対応60言語85+言語・地域
日本語○○
話者分離○○
単語タイムスタンプ○○
専門用語ヒント○○・最大1,000語
ノイズ耐性かなり重視強い
言語混在○○
リアルタイム現状はバッチ性能が前面専用Liveモデルあり
読みやすく整形cleanモードSmart transcriptionが強い
無料枠現時点で明確な無料枠を確認できずあり

Artificial Analysisの同一ベンチマークでは、MAI-Transcribe-2がWER 2.0%、Gemini 3.5 Transcribeが2.6%。処理速度もMAIが約410.7倍速相当、Geminiが約89.8倍速相当とされており、Microsoftがいう「Geminiの約5倍高速」という説明ともほぼ整合します。

岡山のホームページ作成