Azure AI Speech 09-2026 扩展语言覆盖，速度主张侧重短音频高并发

覆盖范围要分清语言和地区变体

新增25种语言包含11种印度语言。公告列出阿萨姆语、孟加拉语、古吉拉特语、卡纳达语、马拉雅拉姆语、马拉地语、奥里亚语、旁遮普语、泰米尔语、泰卢固语和乌尔都语，还举出加泰罗尼亚语、马来语和威尔士语。整体50种语言、60多个locale不是同一个数量：一种语言可以对应多个地区变体。

原文用科威特问诊中阿拉伯语、印地语和印度英语混用来说明场景，这是厂商举例，不是本站核验的临床案例。本站分析认为，先区分固定单语录音和会话中切换语言，才能选择设置。本文未另读完整支持表，不把列举项目当作完整适用清单。

识别改进要保留内部评估口径

微软称内部评估涉及内部测试及GigaSpeech、VoxPopuli等公开基准，Token Error Rate最多改善25%，Entity Error Rate改善37%，特别提到财务场景的业绩相关实体。计算口径未完整披露，不能解读为百分点变化，也不能推成每种语言、口音和录音条件都能获得同样提升的承诺。

公告未给出基线错误率、完整测试集拆分、样本量和足以复现的设置。本站理解，实体指标关注的不只是转写是否流畅，还包括任务所需的专有词是否正确；但财务实体结果不能证明医疗术语表现。实际采用前仍需带有真实难词和语言切换的标注样本。

速度针对特定负载，静音也要单独验收

最高2倍处理速度的比较对象是LLM Speech 2607，而非所有语音产品或Azure全部转写模式。原文特别限定5至10秒短音频、高并发多路处理。它没有给出固定端到端延迟或流式服务保证，更不能据此推导账单按比例下降。

微软另称改进静音和空音频处理以减少幻觉内容，但没有公布发生率。减少不等于绝不生成文字。本站建议把并发短录音与静音、空文件分开检查：前者观察吞吐，后者检查下游是否收到虚构内容。本站未执行这些测试。

多语原则与示例配置不能混为一谈

正文称多语模式默认开启，文件包含多种受支持语言时应省略locale提示；明确单语录音才适合给出locale，而不是用它强制混合会话只识别一种语言。阅读请求示例时，应先保留这个场景区别。

紧接着的示例仍包含locales列表，其说明针对已知locale场景；但可见列表的值没有加引号，展示的definition按原样不是合法JSON。本站未执行命令或验证修正版。本站分析建议先判断单语与混语，再另核当前请求规范，不能把复制示例当作接入已成功。

phraseList是另一项词汇提示，用于产品名、缩写和领域术语，微软给出的上限为2,000条短语。这个数量是输入限制，不保证每个词都能识别，也不能代替效果评估。本文未另读链接中的配置文档。

自动更新没有给出完整上线时钟和价格

公告把Fast Transcription API列为提供入口，并指向REST、SDK和Foundry Playground；同时称客户无需操作，更新将由服务端自动部署。它没有给出完成时刻、地区清单、账号档位条件或价格变化，不能把“可用”和“将自动部署”合并成所有客户均已切换。

本站据此提出的评估清单是：确认具体资源可用性，按录音选择语言提示，核查关键术语和静音输入，再测目标并发。这是依据公告条件整理的方法，不是经过验证的配置或性能背书。本文没有执行API、部署、计费比较或独立识别实验。