Azure AI Speech LLM 09-2026：新增 25 种语言，处理速度最高快 2 倍，实体错误率最多降 37%
语音转写模型的一次常规升级，对做语音智能体和多语种转写的团队有直接影响。
// 要点
- 新增 25 种语言，其中 11 种印度语言，另有加泰罗尼亚语、马来语和威尔士语；合计覆盖 50 种语言、60 多个地区变体。
- 内部和公开基准（GigaSpeech、VoxPopuli 等）上，Token 错误率最多改善 25%，实体错误率最多改善 37%，财经领域实体提升最明显。
- 处理速度比 2607 版最高快 2 倍，尤其是高并发下 5 到 10 秒的短音频；对静音和空音频减少了幻觉。
- 默认多语种模式：同一音频里有多种语言时不要加语种提示，提示只适合单一语言的音频。
开发者视角做语音面试的话，最该看的是实体错误率：公司名、技术名转错，后面的评分就全偏了。智能面试的录音里中英混说很常见，我会按它的建议去掉语种提示，用自己的真实录音专门统计专有名词的错误率，再和现用方案比，而不是只看整体字错率。