Microsoft AI: MAI-Transcribe 2 API
MAI-Transcribe2 convierte audio en texto en60 idiomas, identifica automáticamente el idioma y ofrece atribución de hablantes y marcas de tiempo por palabra.
MAI-Transcribe2 es un modelo de Microsoft AI que transforma audio en texto transcrito. Admite60 idiomas con identificación automática, así como cambios de idioma dentro de una misma conversación. Puede distinguir quién habla y añadir marcas de tiempo a cada palabra. También permite priorizar términos propios de un ámbito y elegir entre una transcripción literal o una versión depurada.
Es adecuado para subtitular vídeos, transcribir llamadas y reuniones, crear alternativas textuales accesibles y generar registros consultables que faciliten resúmenes y extracción de tareas. En centros de contacto y llamadas comerciales, puede apoyar la revisión de calidad, la formación y el cumplimiento. Las marcas de tiempo por palabra también resultan útiles para alinear subtítulos y localizaciones. El modelo procesa audio por lotes; la transcripción en tiempo real requiere una configuración independiente de Voice Live.
En las pruebas citadas, obtuvo una tasa de error de palabras del5.2% en FLEURS para60 idiomas y del3.4% en los25 idiomas principales. Microsoft informa que el modelo transcribe una hora de audio en unos10 segundos de inferencia. Estas cifras proceden de pruebas comunicadas por el proveedor y no constituyen una evaluación independiente.
Actualizado:
ID DEL MODELO
mai-transcribe-2- Contexto
- 0
- Salida máx.
- 0
- Entrada
- audio
- Salida
- transcription
Aspectos destacados
- Identificación automática de idioma
- Admite cambios de idioma
- Atribución de hablantes
- Marcas de tiempo por palabra
- Estilos literal o depurado
- Priorización de términos
Proveedores
Compara los precios de API entre proveedores. Selecciona un proveedor para ver todos los cargos y condiciones.
| Disponibilidad | ||
|---|---|---|
| $0.000027777777777777777777777777777777777777777777777778 |
Las estadísticas históricas no son una comprobación en tiempo real. La falta de datos no implica una interrupción.
Benchmarks
- 5.2%
Prueba multilingüe FLEURS (60 idiomas)
Tasa media de error de palabras; ocupó el primer puesto.
- 3.4%
Prueba multilingüe FLEURS (25 idiomas principales)
Tasa de error de palabras.
- 2.5%
Clasificación de tasa de error de palabras de Artificial Analysis
Tasa de error aproximada; ocupó el segundo puesto.
- 18 of21
DAI-ASR-I18N
Registró la menor tasa de error de transcripción en los idiomas evaluados.
- 16
DAI-ASR-I18N
Idiomas con una tasa de error de transcripción inferior a10%.
Puntuaciones según lo publicado por el proveedor del modelo.
Referencia de la API
Los detalles del protocolo de este modelo no están publicados. Consulta la referencia de la API para los requisitos de integración.
Referencia de la API →Preguntas frecuentes
¿Qué es Microsoft AI: MAI-Transcribe 2?
MAI-Transcribe2 es un modelo de Microsoft AI que transforma audio en texto transcrito. Admite60 idiomas con identificación automática, así como cambios de idioma dentro de una misma conversación. Puede distinguir quién habla y añadir marcas de tiempo a cada palabra. También permite priorizar términos propios de un ámbito y elegir entre una transcripción literal o una versión depurada. Es adecuado para subtitular vídeos, transcribir llamadas y reuniones, crear alternativas textuales accesibles y generar registros consultables que faciliten resúmenes y extracción de tareas. En centros de contacto y llamadas comerciales, puede apoyar la revisión de calidad, la formación y el cumplimiento. Las marcas de tiempo por palabra también resultan útiles para alinear subtítulos y localizaciones. El modelo procesa audio por lotes; la transcripción en tiempo real requiere una configuración independiente de Voice Live. En las pruebas citadas, obtuvo una tasa de error de palabras del5.2% en FLEURS para60 idiomas y del3.4% en los25 idiomas principales. Microsoft informa que el modelo transcribe una hora de audio en unos10 segundos de inferencia. Estas cifras proceden de pruebas comunicadas por el proveedor y no constituyen una evaluación independiente.
¿Cómo se cobra el uso?
Tu factura depende del proveedor que uses, de sus precios y de tu uso. Las entradas más largas u otras condiciones pueden tener precios distintos.
¿Qué tipo de entrada y salida admite?
Admite audio como entrada y produce texto transcrito.
¿Cuántos idiomas admite?
Admite60 idiomas con identificación automática y puede manejar cambios de idioma en el habla.
¿Qué tareas puede realizar?
Sirve para subtitulado, transcripción de llamadas y reuniones, accesibilidad y creación de registros con atribución de hablantes.
¿Cuál es su límite de contexto o de salida?
La información disponible no especifica límites de contexto ni de longitud de salida.
¿En qué se diferencia de otros modelos de la familia?
MAI-Transcribe-2-Streaming ofrece transcripción en streaming y entrega los primeros fragmentos en unos100 milisegundos. No hay información suficiente para comparar aquí MAI-Transcribe2 con MAI-Transcribe1.5.