Felo API PlatformFelo API Platform
मॉडल पर वापस जाएँ

Microsoft AI: MAI-Transcribe 2 API

MAI-Transcribe2 बहुभाषी ऑडियो को खोजने योग्य पाठ में बदलता है।

Microsoft AI की टीम का बनाया MAI-Transcribe2 बहुभाषी वाक्-से-पाठ मॉडल है। यह ऑडियो इनपुट लेकर प्रतिलिखित पाठ देता है,60 भाषाओं की पहचान अपने आप करता है और एक ही बातचीत में भाषाएँ बदलने पर भी काम करता है। इसमें वक्ता पहचान, शब्द-स्तर के समय-चिह्न और विषय-विशेष शब्दों को प्राथमिकता देने की सुविधा है। प्रतिलेखन की शैली शब्दशः या साफ-सुथरी चुनी जा सकती है।

यह बैठकों, कॉल, वीडियो उपशीर्षकों, सुगम्यता और आवाज़-सक्षम अनुप्रयोगों के लिए उपयोगी है। वक्ता के अनुसार बैठक के अभिलेख और खोज योग्य प्रतिलेख बनाने से सारांश तथा कार्रवाई-बिंदु निकालने में मदद मिलती है। संपर्क केंद्र और बिक्री कॉल की गुणवत्ता जाँच, प्रशिक्षण और अनुपालन के लिए भी इसका उपयोग किया जा सकता है।

यह बैच मॉडल सार्वजनिक पूर्वावलोकन में है। एक घंटे के ऑडियो का प्रतिलेखन अनुमानतः10 सेकंड में करता है; वास्तविक समय के प्रतिलेखन के लिए अलग Voice Live व्यवस्था चाहिए।

समय-सीमितमुफ़्त ट्रायल

अपडेट किया गया:

मॉडल ID

mai-transcribe-2
कॉन्टेक्स्ट
0
अधिकतम आउटपुट
0
इनपुट
audio
आउटपुट
transcription

मुख्य बातें

  • 60 भाषाओं की पहचान
  • मिली-जुली भाषा का समर्थन
  • वक्ता पहचान
  • शब्द-स्तर के समय-चिह्न
  • दो प्रतिलेखन शैलियाँ
  • एक घंटे का ऑडियो लगभग10 सेकंड में

प्रदाता

1 प्रदाता

प्रदाताओं के बीच API कीमतों की तुलना करें। सभी शुल्क और शर्तें देखने के लिए किसी प्रदाता को चुनें।

प्रदाता · कीमत का विवरण
उपलब्धता
$0.000027777777777777777777777777777777777777777777777778

बेंचमार्क

  • FLEURS बहुभाषी बेंचमार्क (60 भाषाएँ)

    औसत शब्द त्रुटि दर; पहला स्थान।

    5.2%
  • FLEURS बहुभाषी बेंचमार्क (शीर्ष25 भाषाएँ)

    शब्द त्रुटि दर।

    3.4%
  • Artificial Analysis शब्द-त्रुटि-दर सूची

    अनुमानित त्रुटि दर; दूसरा स्थान।

    2.5%
  • DAI-ASR-I18N

    परीक्षित भाषाओं में सबसे कम प्रतिलेखन त्रुटि दर।

    18 of21
  • DAI-ASR-I18N

    भाषाओं में प्रतिलेखन त्रुटि10% से कम।

    16

स्कोर मॉडल प्रदाता के प्रकाशित आँकड़ों के अनुसार।

API संदर्भ

इस मॉडल के प्रोटोकॉल विवरण प्रकाशित नहीं हैं। इंटीग्रेशन आवश्यकताओं के लिए API संदर्भ देखें।

API संदर्भ →

अक्सर पूछे जाने वाले प्रश्न

मॉडल परिचय: Microsoft AI: MAI-Transcribe 2?

Microsoft AI की टीम का बनाया MAI-Transcribe2 बहुभाषी वाक्-से-पाठ मॉडल है। यह ऑडियो इनपुट लेकर प्रतिलिखित पाठ देता है,60 भाषाओं की पहचान अपने आप करता है और एक ही बातचीत में भाषाएँ बदलने पर भी काम करता है। इसमें वक्ता पहचान, शब्द-स्तर के समय-चिह्न और विषय-विशेष शब्दों को प्राथमिकता देने की सुविधा है। प्रतिलेखन की शैली शब्दशः या साफ-सुथरी चुनी जा सकती है। यह बैठकों, कॉल, वीडियो उपशीर्षकों, सुगम्यता और आवाज़-सक्षम अनुप्रयोगों के लिए उपयोगी है। वक्ता के अनुसार बैठक के अभिलेख और खोज योग्य प्रतिलेख बनाने से सारांश तथा कार्रवाई-बिंदु निकालने में मदद मिलती है। संपर्क केंद्र और बिक्री कॉल की गुणवत्ता जाँच, प्रशिक्षण और अनुपालन के लिए भी इसका उपयोग किया जा सकता है। यह बैच मॉडल सार्वजनिक पूर्वावलोकन में है। एक घंटे के ऑडियो का प्रतिलेखन अनुमानतः10 सेकंड में करता है; वास्तविक समय के प्रतिलेखन के लिए अलग Voice Live व्यवस्था चाहिए।

उपयोग का शुल्क कैसे लगता है?

आपका बिल इस बात पर निर्भर करता है कि आप कौन-सा प्रदाता उपयोग करते हैं, उसकी कीमतें और आपका उपयोग। लंबे इनपुट या अन्य शर्तों पर अलग कीमतें लागू हो सकती हैं।

यह किस तरह का इनपुट और आउटपुट समर्थित करता है?

यह ऑडियो इनपुट लेकर प्रतिलिखित पाठ देता है।

क्या यह भाषाएँ अपने आप पहचानता है?

हाँ, यह60 भाषाओं की पहचान अपने आप करता है और मिली-जुली भाषा के भाषण का भी समर्थन करता है।

क्या संदर्भ या आउटपुट की लंबाई की जानकारी दी गई है?

संदर्भ और आउटपुट सीमा के आँकड़े उपलब्ध नहीं कराए गए हैं।

यह किन कामों के लिए उपयुक्त है?

बैठक और कॉल प्रतिलेखन, वीडियो उपशीर्षक, सुगम्यता तथा आवाज़-सक्षम अनुप्रयोगों के लिए। यह वक्ता पहचान और शब्द-स्तर के समय-चिह्न भी देता है।

समान परिवार के दूसरे मॉडलों से इसका अंतर क्या है?

MAI-Transcribe1.5 और MAI-Transcribe-2-Streaming इसके समान परिवार के मॉडल हैं, लेकिन उनकी भूमिकाओं की तुलना के लिए जानकारी उपलब्ध नहीं है।