快讯 22:26李在明视察蔚山在建数据中心,强调AI竞赛速度决定成败08:00Together AI 披露提示词泄露事件:编码 agent 误传凭证致样本外泄08:00Qwen4 Max登陆Together AI,1M上下文加持整仓bug修复 全部快讯 →

每日快讯

大厂动态 · 融资事件 · 政策监管 · 前沿论文 · Agent 抓取 + 智能改写,每日 40+ 条

大厂 11-18 · 星期三 · 11-18 07:27 约 1 分钟读完

微软医疗转录引擎换装自研模型,多语言错误率降约五成

摘要

微软在Ignite 2026宣布,Dragon Copilot Transcribe已全面采用自研语音模型MAI-Transcribe-2,承担全部医患对话转写,每月处理约1000万次就诊场景,多语言工作流错误率下降约50%,全美约三分之一医师已在使用。

微软在本周举行的Ignite 2026活动上披露了其医疗语音产品的一次底层模型更替:Dragon Copilot Transcribe已正式切换至自研语音识别模型MAI-Transcribe-2,并由此前的外部方案转为完全由该模型承担医患对话转写任务。微软将这款模型定位为目前速度最快、准确率最高的多语言语音转写模型。

从规模数据看,Dragon Copilot Transcribe目前每月处理约1000万次患者就诊场景,服务范围已覆盖全美约三分之一的医师。在多语言工作流中,切换模型后错误率下降约50%,这一变化直接关系到非英语问诊记录的可靠性。

技术层面,MAI-Transcribe-2可识别多种语言,并支持中英、印地语与英语等常见混说场景,在嘈杂环境中仍能维持较高识别质量。功能上提供说话人区分、词级时间戳、关键词偏置与可配置转写风格,可自动识别语言,并给出“逐字”与“精简”两种输出模式,分别对应合规留档、分析及病历撰写等不同用途。

对临床流程而言,问诊录音有望更快、更准确地转化为结构化记录,减少手动整理病历、核对术语与翻译信息的时间;对多语言患者来说,转写稳定性提升也有助于降低因识别错误导致医疗信息失真的风险。微软同时称,MAI-Transcribe-2在FLEURS基准的60种语言中取得领先表现,平均词错误率为5.2%。

微软医疗AI语音识别Dragon Copilot
本文由新大陆基于公开信息编辑整理
213
收录 AI 工具
27
模型产品档案
60
企业落地案例
33
完整版提示词