每月 1000 万次问诊:微软 MAI-Transcribe-2 把医患对话错误率砍半
微软医疗 AI 产品 Dragon Copilot Transcribe 全面换用自研 MAI-…
文章目录
医疗场景的语音识别,难点从来不是“听清普通话”。医生说话快、术语密、口音重,患者可能夹着方言或中英混说,诊室里还有器械噪声。只要转写错一个药名或剂量,后面整份病历都可能跟着错。微软这次把 Dragon Copilot 的转写引擎整体换成自研 MAI-Transcribe-2,等于把最容易出错的底层环节握回自己手里。

一分钟速览
- MAI-Transcribe-2 已承担 Dragon Copilot 中 100% 的医患对话转写任务。
- 每月处理约 1000 万次患者就诊场景,全美约三分之一医师在使用。
- 多语言工作流错误率下降约 50%,支持中英、印地语-英语等混说场景。
- 支持说话人区分、词级时间戳、关键词偏置和可配置转写风格。
- FLEURS 60 种语言平均词错误率 5.2%,处理长音频速度最高可达部分竞品 10 倍,限时价每小时音频 0.10 美元。
它到底强在哪
第一是多语言和混说。医疗场景里,患者可能用英语描述症状,又用母语补充家族病史;医生可能夹杂缩写和药品商品名。MAI-Transcribe-2 支持自动识别语言,并能在中英、印地语-英语等常见混说场景中保持识别质量。官方称在多语言工作流中错误率下降约 50%,这个幅度如果能在真实诊室里稳定复现,价值不只是“少改几个字”,而是减少因语义偏差导致的诊疗风险。
第二是结构化能力。它支持说话人区分、词级时间戳、关键词偏置和可配置转写风格,还能在“逐字”和“精简”两种输出模式之间切换。逐字模式适合合规留档,精简模式适合直接生成病历摘要。对医院来说,这意味着同一段录音可以服务不同下游系统,而不必重复处理。
第三是速度与成本。微软称其在 FLEURS 基准的 60 种语言中取得领先表现,平均词错误率 5.2%;在 Artificial Analysis 的准确率与延迟综合评测中处于领先区间;处理长音频的速度最高可达部分竞品的 10 倍。价格是每小时音频 0.10 美元,属于限时定价。
为什么“覆盖三分之一医师”是个信号
医疗 AI 最难的不是 demo,而是进入临床工作流。医生不会为了用 AI 而改变看诊节奏,产品必须嵌在原来的记录流程里,且不能增加点击次数。Dragon Copilot 原本就是微软在医疗语音领域的成熟产品,这次把底层模型换成自研,等于在不改变医生使用习惯的前提下,完成一次静默升级。
每月 1000 万次就诊场景,是一个相当可观的真实数据量。它既能帮助微软持续优化模型,也意味着任何一次识别退化都会被迅速放大。微软敢把 100% 的转写任务交给新模型,说明内部对稳定性已经有足够把握。
医疗 AI 的下一段竞争
过去两年,医疗 AI 的叙事集中在“辅助诊断”和“病历生成”;真正跑通商业闭环的,反而是最不起眼的语音转写。原因很简单:它直接节省医生时间,效果可量化,责任边界也相对清晰。MAI-Transcribe-2 把错误率、延迟和价格同时往下压,等于把这块市场从“项目制”推向“按量付费”的基础设施。
接下来要观察两件事:一是多语言能力能否覆盖更多非英语市场,二是转写之后的临床决策支持会不会成为下一层收费点。如果转写只是入口,真正的价值在结构化病历和诊疗建议,那么微软已经用一个高频、低价的模型,把入口守住了。
本文地址:https://www.163264.com/21701


