Felo API PlatformFelo API Platform
মডেলে ফিরে যান

Microsoft AI: MAI-Transcribe 2 API

৬০টি ভাষার অডিওকে দ্রুত, নির্ভুল ও অনুসন্ধানযোগ্য লেখায় রূপান্তর করে

MAI-Transcribe2 হলো Microsoft AI-এর তৈরি বহুভাষিক অডিও-থেকে-লেখা মডেল। এটি স্বয়ংক্রিয়ভাবে৬০টি ভাষা শনাক্ত করে, মিশ্র ভাষার কথাও সামলায় এবং বক্তা আলাদা করে চিহ্নিত করার পাশাপাশি প্রতিটি শব্দের সময়চিহ্ন দিতে পারে। নির্দিষ্ট ক্ষেত্রের পরিভাষার জন্য কীওয়ার্ডকে অগ্রাধিকার দেওয়া যায়; প্রতিলিপি হুবহু বা পরিমার্জিত—দুই ধরনেই তৈরি করা যায়।

ক্যাপশন, কল ও মিটিংয়ের প্রতিলিপি, ভিডিও সাবটাইটেল, প্রবেশগম্যতার জন্য পাঠ্য এবং ভয়েস-সক্ষম অ্যাপ্লিকেশনে এটি কাজে আসে। বক্তা-চিহ্নিত, অনুসন্ধানযোগ্য মিটিং নথি থেকে সারাংশ ও করণীয় বের করা যায়; বিক্রয় ও গ্রাহকসেবা কল পর্যালোচনা, মান যাচাই এবং সম্মতি পর্যবেক্ষণেও এটি উপযোগী।

সময়সীমাবদ্ধবিনামূল্যে ট্রায়াল

আপডেট:

মডেল ID

mai-transcribe-2
কনটেক্সট
0
সর্বোচ্চ আউটপুট
0
ইনপুট
audio
আউটপুট
transcription

মূল বৈশিষ্ট্য

  • ৬০ ভাষা স্বয়ংক্রিয় শনাক্তকরণ
  • মিশ্র ভাষার কথার সমর্থন
  • বক্তা ও শব্দ-সময়ের চিহ্ন
  • পরিভাষার জন্য কীওয়ার্ড অগ্রাধিকার
  • হুবহু বা পরিমার্জিত প্রতিলিপি

প্রোভাইডার

1 প্রোভাইডার

প্রোভাইডারদের মধ্যে API মূল্য তুলনা করুন। সব চার্জ ও শর্ত দেখতে একটি প্রোভাইডার নির্বাচন করুন।

প্রোভাইডার · মূল্যের বিবরণ
প্রাপ্যতা
$0.000027777777777777777777777777777777777777777777777778

বেঞ্চমার্ক

  • FLEURS বহুভাষিক বেঞ্চমার্ক (৬০ ভাষা)

    গড় শব্দ-ভুলের হার; প্রথম স্থান।

    5.2%
  • FLEURS বহুভাষিক বেঞ্চমার্ক (শীর্ষ25 ভাষা)

    শব্দ-ভুলের হার।

    3.4%
  • Artificial Analysis শব্দ-ভুলের হার তালিকা

    আনুমানিক ভুলের হার; দ্বিতীয় স্থান।

    2.5%
  • DAI-ASR-I18N

    পরীক্ষিত ভাষাগুলোর মধ্যে সর্বনিম্ন প্রতিলিপি-ভুলের হার।

    18 of21
  • DAI-ASR-I18N

    ১৬টি ভাষায় প্রতিলিপি-ভুলের হার10%-এর নিচে।

    16

স্কোর মডেল প্রোভাইডারের প্রকাশিত তথ্য অনুযায়ী।

API রেফারেন্স

এই মডেলের প্রোটোকলের বিস্তারিত প্রকাশ করা হয়নি। ইন্টিগ্রেশনের প্রয়োজনীয়তার জন্য API রেফারেন্স দেখুন।

API রেফারেন্স →

সাধারণ প্রশ্ন

মডেল পরিচিতি: Microsoft AI: MAI-Transcribe 2?

MAI-Transcribe2 হলো Microsoft AI-এর তৈরি বহুভাষিক অডিও-থেকে-লেখা মডেল। এটি স্বয়ংক্রিয়ভাবে৬০টি ভাষা শনাক্ত করে, মিশ্র ভাষার কথাও সামলায় এবং বক্তা আলাদা করে চিহ্নিত করার পাশাপাশি প্রতিটি শব্দের সময়চিহ্ন দিতে পারে। নির্দিষ্ট ক্ষেত্রের পরিভাষার জন্য কীওয়ার্ডকে অগ্রাধিকার দেওয়া যায়; প্রতিলিপি হুবহু বা পরিমার্জিত—দুই ধরনেই তৈরি করা যায়। ক্যাপশন, কল ও মিটিংয়ের প্রতিলিপি, ভিডিও সাবটাইটেল, প্রবেশগম্যতার জন্য পাঠ্য এবং ভয়েস-সক্ষম অ্যাপ্লিকেশনে এটি কাজে আসে। বক্তা-চিহ্নিত, অনুসন্ধানযোগ্য মিটিং নথি থেকে সারাংশ ও করণীয় বের করা যায়; বিক্রয় ও গ্রাহকসেবা কল পর্যালোচনা, মান যাচাই এবং সম্মতি পর্যবেক্ষণেও এটি উপযোগী।

ব্যবহারের জন্য কীভাবে চার্জ হয়?

আপনার বিল নির্ভর করে আপনি কোন প্রোভাইডার ব্যবহার করেন, তার মূল্য এবং আপনার ব্যবহারের ওপর। দীর্ঘ ইনপুট বা অন্যান্য শর্তে ভিন্ন মূল্য প্রযোজ্য হতে পারে।

কী ধরনের ইনপুট ও আউটপুট সমর্থন করে?

অডিও ইনপুট নিয়ে প্রতিলিপি করা লেখা দেয়।

কত বড় প্রসঙ্গ বা আউটপুট সমর্থন করে?

প্রসঙ্গের সীমা ও আউটপুটের সর্বোচ্চ দৈর্ঘ্য উল্লেখ করা নেই।

কোন কাজে এটি উপযোগী?

কল, মিটিং ও ভিডিওর প্রতিলিপি, ক্যাপশন এবং সাবটাইটেলের জন্য উপযোগী। এটি বক্তা শনাক্ত করে এবং শব্দ-স্তরের সময়চিহ্ন দেয়।

একই পরিবারের অন্য মডেলগুলোর সঙ্গে এর পার্থক্য কী?

MAI-Transcribe1.5 ও MAI-Transcribe-2-Streaming একই পরিবারের অন্য মডেল। তাদের সঙ্গে কাজের উপযোগিতার তুলনা করার তথ্য দেওয়া নেই।