Felo API PlatformFelo API Platform
Zurück zu den Modellen

Microsoft AI: MAI-Transcribe 2 API

MAI-Transcribe2 wandelt Audiodateien mehrsprachig in Text um und bietet Sprecherzuordnung, Zeitmarken auf Wortebene sowie anpassbare Transkriptionsstile.

MAI-Transcribe2 ist ein mehrsprachiges Spracherkennungsmodell von Microsoft AI. Es verarbeitet Audio und gibt transkribierten Text aus. Das Modell unterstützt60 Sprachen mit automatischer Spracherkennung, den Wechsel zwischen Sprachen innerhalb einer Äußerung sowie Sprecherzuordnung und Zeitmarken für einzelne Wörter. Für Fachbegriffe lässt sich eine Schlüsselwortgewichtung verwenden; außerdem können wörtliche oder bereinigte Transkriptionsstile konfiguriert werden.

Das Modell eignet sich für Untertitel, Video- und Medienlokalisierung, Gesprächsprotokolle und barrierefreie Textalternativen. Bei Besprechungen unterstützen Sprecherangaben und durchsuchbare Transkripte Zusammenfassungen und die Erfassung von Aufgaben. Ebenso kann es für Kontaktcenter- und Verkaufsgespräche zur Qualitätssicherung, für Coaching und Compliance sowie zur Analyse aufgezeichneter Sprachagenten-Sitzungen eingesetzt werden. Die veröffentlichten Benchmarks berichten über niedrige Wortfehlerraten in mehreren Sprachtests; diese Angaben stammen teilweise vom Anbieter und sind kein unabhängiges Gesamturteil.

Aktualisiert:

MODELL-ID

mai-transcribe-2
Kontext
0
Max. Ausgabe
0
Eingabe
audio
Ausgabe
transcription

Highlights

  • 60 Sprachen mit Erkennung
  • Sprachwechsel unterstützt
  • Sprecherzuordnung und Wortzeiten
  • Wörtliche oder bereinigte Ausgabe
  • Schlüsselwortgewichtung

Anbieter

1 Anbieter

Vergleichen Sie die API-Preise verschiedener Anbieter. Wählen Sie einen Anbieter aus, um alle Kosten und Bedingungen zu sehen.

Anbieter · Preisdetails
Verfügbarkeit
$0.000027777777777777777777777777777777777777777777777778

Benchmarks

  • Mehrsprachiger FLEURS-Benchmark (60 Sprachen)

    Durchschnittliche Wortfehlerrate; laut Rangliste Platz eins.

    5.2%
  • Mehrsprachiger FLEURS-Benchmark (Top25 Sprachen)

    Wortfehlerrate.

    3.4%
  • Rangliste der Wortfehlerraten von Artificial Analysis

    Ungefähre Fehlerrate; laut Rangliste Platz zwei.

    2.5%
  • DAI-ASR-I18N

    Niedrigste Transkriptionsfehlerrate über die getesteten Sprachen.

    18 of21
  • DAI-ASR-I18N

    Sprachen mit einer Transkriptionsfehlerrate unter10%.

    16

Werte wie vom Modellanbieter veröffentlicht.

API-Referenz

Protokolldetails zu diesem Modell sind nicht veröffentlicht. Integrationsanforderungen finden Sie in der API-Referenz.

API-Referenz →

Häufige Fragen

Was ist Microsoft AI: MAI-Transcribe 2?

MAI-Transcribe2 ist ein mehrsprachiges Spracherkennungsmodell von Microsoft AI. Es verarbeitet Audio und gibt transkribierten Text aus. Das Modell unterstützt60 Sprachen mit automatischer Spracherkennung, den Wechsel zwischen Sprachen innerhalb einer Äußerung sowie Sprecherzuordnung und Zeitmarken für einzelne Wörter. Für Fachbegriffe lässt sich eine Schlüsselwortgewichtung verwenden; außerdem können wörtliche oder bereinigte Transkriptionsstile konfiguriert werden. Das Modell eignet sich für Untertitel, Video- und Medienlokalisierung, Gesprächsprotokolle und barrierefreie Textalternativen. Bei Besprechungen unterstützen Sprecherangaben und durchsuchbare Transkripte Zusammenfassungen und die Erfassung von Aufgaben. Ebenso kann es für Kontaktcenter- und Verkaufsgespräche zur Qualitätssicherung, für Coaching und Compliance sowie zur Analyse aufgezeichneter Sprachagenten-Sitzungen eingesetzt werden. Die veröffentlichten Benchmarks berichten über niedrige Wortfehlerraten in mehreren Sprachtests; diese Angaben stammen teilweise vom Anbieter und sind kein unabhängiges Gesamturteil.

Wie wird die Nutzung abgerechnet?

Ihre Rechnung hängt vom genutzten Anbieter, seinen Preisen und Ihrer Nutzung ab. Längere Eingaben oder andere Bedingungen können andere Preise haben.

Welche Eingaben und Ausgaben unterstützt das Modell?

Es verarbeitet Audio und gibt transkribierten Text aus. Es unterstützt60 Sprachen mit automatischer Spracherkennung.

Kann es Sprachwechsel und einzelne Sprecher erkennen?

Ja. Es unterstützt gemischtsprachige Sprache, Sprecherzuordnung und Zeitmarken auf Wortebene.

Für welche Aufgaben eignet sich MAI-Transcribe2?

Es eignet sich unter anderem für Untertitel, Besprechungsprotokolle, Gesprächstranskription, Lokalisierung und barrierefreie Textalternativen.

Welche Kontext- und Ausgabelänge werden unterstützt?

Dazu liegen in den Angaben keine Werte vor.

Wie unterscheidet es sich von den Geschwistermodellen?

MAI-Transcribe-2-Streaming liefert laut Angaben erste partielle Transkripte nach etwa100 Millisekunden. Für MAI-Transcribe1.5 ist hier kein Vergleich beschrieben.