Felo API PlatformFelo API Platform
Retour aux modèles

Microsoft AI: MAI-Transcribe 2 API

MAI-Transcribe2 convertit l’audio en texte dans60 langues, avec identification automatique de la langue, attribution des locuteurs et horodatage des mots.

MAI-Transcribe2 est un modèle de transcription vocale multilingue développé par l’équipe Microsoft AI. Il prend en entrée de l’audio et produit du texte transcrit. Il reconnaît automatiquement la langue parmi60 langues, gère les changements de langue au sein d’un même discours et propose l’attribution des interventions aux locuteurs ainsi que des horodatages à l’échelle du mot. Le style de transcription peut être réglé en mode verbatim ou en version nettoyée, et une pondération des mots-clés aide à traiter la terminologie propre à un domaine.

Le modèle convient aux sous-titres, à la transcription d’appels et de réunions, à l’accessibilité et aux applications vocales. Il peut aussi produire des comptes rendus de réunion attribués aux locuteurs, utiles pour créer des transcriptions consultables et préparer des résumés ou des listes d’actions. Pour les centres de contact et les équipes commerciales, les transcriptions peuvent soutenir l’assurance qualité, le coaching et le contrôle de conformité. Les horodatages mot à mot sont également adaptés au sous-titrage et à la localisation vidéo.

Il s’agit d’un modèle par lots proposé en aperçu public. La transcription en temps réel nécessite une configuration Voice Live distincte; une variante en continu, MAI-Transcribe-2-Streaming, fournit des transcriptions partielles initiales en environ100 millisecondes. Les résultats de référence incluent5.2% sur le benchmark multilingue FLEURS (60 langues), un taux d’erreur moyen annoncé comme classé premier.

Mis à jour:

ID DU MODÈLE

mai-transcribe-2
Contexte
0
Sortie max.
0
Entrée
audio
Sortie
transcription

Points clés

  • 60 langues avec identification automatique
  • Gestion des discours multilingues
  • Attribution des locuteurs
  • Horodatage mot à mot
  • Styles verbatim ou nettoyé

Fournisseurs

1 fournisseurs

Comparez les prix des API entre fournisseurs. Sélectionnez un fournisseur pour voir tous les tarifs et conditions.

Fournisseur · Détails des tarifs
Disponibilité
$0.000027777777777777777777777777777777777777777777777778

Benchmarks

  • Benchmark multilingue FLEURS (60 langues)

    Taux d’erreur moyen sur les mots; le modèle est annoncé en première place.

    5.2%
  • Benchmark multilingue FLEURS (25 premières langues)

    Taux d’erreur sur les mots.

    3.4%
  • Classement Artificial Analysis des taux d’erreur sur les mots

    Taux d’erreur approximatif; le modèle est annoncé en deuxième place.

    2.5%
  • DAI-ASR-I18N

    Plus faible taux d’erreur de transcription parmi les langues évaluées.

    18 of21
  • DAI-ASR-I18N

    Langues pour lesquelles l’erreur de transcription est inférieure à10%.

    16

Scores tels que publiés par le fournisseur du modèle.

Référence API

Les détails du protocole de ce modèle ne sont pas publiés. Consultez la référence API pour les exigences d'intégration.

Référence API →

Questions fréquentes

Qu'est-ce que Microsoft AI: MAI-Transcribe 2?

MAI-Transcribe2 est un modèle de transcription vocale multilingue développé par l’équipe Microsoft AI. Il prend en entrée de l’audio et produit du texte transcrit. Il reconnaît automatiquement la langue parmi60 langues, gère les changements de langue au sein d’un même discours et propose l’attribution des interventions aux locuteurs ainsi que des horodatages à l’échelle du mot. Le style de transcription peut être réglé en mode verbatim ou en version nettoyée, et une pondération des mots-clés aide à traiter la terminologie propre à un domaine. Le modèle convient aux sous-titres, à la transcription d’appels et de réunions, à l’accessibilité et aux applications vocales. Il peut aussi produire des comptes rendus de réunion attribués aux locuteurs, utiles pour créer des transcriptions consultables et préparer des résumés ou des listes d’actions. Pour les centres de contact et les équipes commerciales, les transcriptions peuvent soutenir l’assurance qualité, le coaching et le contrôle de conformité. Les horodatages mot à mot sont également adaptés au sous-titrage et à la localisation vidéo. Il s’agit d’un modèle par lots proposé en aperçu public. La transcription en temps réel nécessite une configuration Voice Live distincte; une variante en continu, MAI-Transcribe-2-Streaming, fournit des transcriptions partielles initiales en environ100 millisecondes. Les résultats de référence incluent5.2% sur le benchmark multilingue FLEURS (60 langues), un taux d’erreur moyen annoncé comme classé premier.

Comment l'usage est-il facturé ?

Votre facture dépend du fournisseur utilisé, de ses tarifs et de votre usage. Des entrées plus longues ou d'autres conditions peuvent avoir des tarifs différents.

Quelles entrées et sorties le modèle prend-il en charge ?

Il prend en entrée de l’audio et renvoie du texte transcrit.

Quelles langues et variantes de discours gère-t-il ?

Il prend en charge60 langues avec identification automatique et peut traiter les changements de langue dans un discours mêlant plusieurs langues.

Peut-on repérer les locuteurs et le moment où les mots sont prononcés ?

Oui. Le modèle propose l’attribution des locuteurs et des horodatages au niveau du mot.

À quelles tâches convient-il ?

Il convient notamment aux sous-titres, aux appels, aux réunions, à l’accessibilité et aux applications vocales. Il peut aussi aider à préparer des résumés et des listes d’actions à partir de transcriptions de réunions.

Quelle différence avec les autres modèles de la série ?

MAI-Transcribe-2-Streaming est la variante en continu et fournit des transcriptions partielles initiales en environ100 millisecondes. Les informations fournies ne précisent pas de comparaison fonctionnelle avec MAI-Transcribe1.5.