Fast 默认路径
文件快转 · Fast Transcription API；面向录音文件同步快转与会后处理。
LLM Speech 增强路径
翻译 + prompt · 同一文件转写端点启用 enhanced mode。
MAI-Transcribe-2
高质量非流式 · 60 语言，支持 Clean / Verbatim。
MAI-Transcribe-2-Streaming
连续流 + 增量结果 · 独立实时模型 / API，Public Preview。
具体能力
Fast 默认路径
LLM Speech 增强路径
MAI-Transcribe-2 非流式
MAI-Transcribe-2-Streaming
流式音频输入
文件上传；同步返回
文件上传；同步返回
文件上传；非流式
连续音频流 · 增量结果
翻译输出
仅转写文本
可选转写或目标语言翻译
仅转写文本
仅实时转写文本
语言识别
单 locale / 候选 / 15-locale 连续模式
默认多语言；也可指定 locale
60 语言；自动语言检测
60 语言；默认多语言自动检测
术语增强
Phrase list
Phrase list + prompt
Contextual / keyword biasing
当前无 biasing
说话人分离
Diarization
Diarization（翻译任务除外）
Diarization
当前无 diarization
词级时间戳
返回词级 offset / duration
转写任务返回；翻译任务不返回
返回词级时间戳
当前无词级时间戳
转写风格
Display 文本；无 custom prompt
Prompt 引导格式与表达
Clean / Verbatim
当前无风格选项
接入方式
Fast Transcription REST API
同端点启用 enhancedMode
Fast API 选择 MAI 模型
Realtime WebSocket 或 Speech SDK
发布状态
按 API 版本与区域核对
按 API 版本与区域核对
按模型版本与区域核对
Public Preview
实时会议MAI Streaming 返回中间与最终文本；其能力不从非流式版本继承。
会后文件Fast、LLM Speech 与非流式 MAI 按翻译、术语、说话人和时序需求选择。
官方展示基准 · 非 SLA非流式 1h 音频约 10s；Streaming 首个 partial 约 120ms、端到端约 128ms。