Felo API PlatformFelo API Platform
Kembali ke model

Microsoft AI: MAI-Transcribe 2 API

MAI-Transcribe2 mengubah audio menjadi teks dalam60 bahasa, dengan identifikasi bahasa otomatis, pemisahan pembicara, dan penanda waktu per kata.

MAI-Transcribe2 adalah model ucapan-ke-teks multibahasa yang dikembangkan oleh tim Microsoft AI. Model ini menerima audio dan menghasilkan teks transkripsi, mendukung60 bahasa dengan identifikasi bahasa otomatis, serta menangani pergantian bahasa dalam tuturan campuran. Fitur lain mencakup pemisahan pembicara, penanda waktu pada tingkat kata, penyesuaian kata kunci untuk istilah khusus bidang, dan pilihan gaya transkripsi verbatim atau teks yang dirapikan.

Model ini cocok untuk membuat takarir, transkripsi panggilan, subtitle, serta teks alternatif untuk rapat, pengumuman, dan media. Untuk rapat, atribusi pembicara membantu menghasilkan catatan dan transkrip yang dapat ditelusuri untuk peringkasan atau ekstraksi tindakan. Transkripsi panggilan pusat kontak dan penjualan juga dapat digunakan untuk penjaminan mutu, pelatihan, dan kepatuhan; rekaman sesi agen suara dapat ditinjau untuk menilai penyelesaian tugas dan menganalisis kesalahan. Penanda waktu per kata mendukung penyelarasan subtitle video.

Model ini memproses satu jam audio dalam sekitar10 detik waktu inferensi. Model batch ini tersedia dalam pratinjau publik, dengan batas berkas300 megabyte; transkripsi waktu nyata memerlukan penyiapan Voice Live terpisah. Bobot terbuka belum dirilis, sehingga penerapan lokal tidak tersedia. Angka tolok ukur yang dilaporkan berasal dari Microsoft dan bukan penilaian independen.

Diperbarui:

ID MODEL

mai-transcribe-2
Konteks
0
Output maks
0
Masukan
audio
Keluaran
transcription

Sorotan

  • Mendukung60 bahasa
  • Identifikasi bahasa otomatis
  • Pemisahan pembicara
  • Penanda waktu per kata
  • Gaya transkripsi yang dapat dipilih
  • Penyesuaian kata kunci

Penyedia

1 penyedia

Bandingkan harga API antarpenyedia. Pilih penyedia untuk melihat semua biaya dan ketentuan.

Penyedia · Detail harga
Ketersediaan
$0.000027777777777777777777777777777777777777777777777778

Tolok ukur

  • Tolok ukur multibahasa FLEURS (60 bahasa)

    Tingkat kesalahan kata rata-rata; menempati peringkat pertama.

    5.2%
  • Tolok ukur multibahasa FLEURS (25 bahasa teratas)

    Tingkat kesalahan kata.

    3.4%
  • Papan peringkat tingkat kesalahan kata Artificial Analysis

    Perkiraan tingkat kesalahan; menempati peringkat kedua.

    2.5%
  • DAI-ASR-I18N

    Tingkat kesalahan transkripsi terendah di antara bahasa yang diuji.

    18 of21
  • DAI-ASR-I18N

    Jumlah bahasa dengan tingkat kesalahan transkripsi di bawah10%.

    16

Skor sesuai publikasi penyedia model.

Referensi API

Detail protokol model ini belum dipublikasikan. Lihat referensi API untuk persyaratan integrasi.

Referensi API →

Pertanyaan umum

Mengenal Microsoft AI: MAI-Transcribe 2?

MAI-Transcribe2 adalah model ucapan-ke-teks multibahasa yang dikembangkan oleh tim Microsoft AI. Model ini menerima audio dan menghasilkan teks transkripsi, mendukung60 bahasa dengan identifikasi bahasa otomatis, serta menangani pergantian bahasa dalam tuturan campuran. Fitur lain mencakup pemisahan pembicara, penanda waktu pada tingkat kata, penyesuaian kata kunci untuk istilah khusus bidang, dan pilihan gaya transkripsi verbatim atau teks yang dirapikan. Model ini cocok untuk membuat takarir, transkripsi panggilan, subtitle, serta teks alternatif untuk rapat, pengumuman, dan media. Untuk rapat, atribusi pembicara membantu menghasilkan catatan dan transkrip yang dapat ditelusuri untuk peringkasan atau ekstraksi tindakan. Transkripsi panggilan pusat kontak dan penjualan juga dapat digunakan untuk penjaminan mutu, pelatihan, dan kepatuhan; rekaman sesi agen suara dapat ditinjau untuk menilai penyelesaian tugas dan menganalisis kesalahan. Penanda waktu per kata mendukung penyelarasan subtitle video. Model ini memproses satu jam audio dalam sekitar10 detik waktu inferensi. Model batch ini tersedia dalam pratinjau publik, dengan batas berkas300 megabyte; transkripsi waktu nyata memerlukan penyiapan Voice Live terpisah. Bobot terbuka belum dirilis, sehingga penerapan lokal tidak tersedia. Angka tolok ukur yang dilaporkan berasal dari Microsoft dan bukan penilaian independen.

Bagaimana penggunaan ditagih?

Tagihan Anda bergantung pada penyedia yang digunakan, tarifnya, dan penggunaan Anda. Masukan yang lebih panjang atau ketentuan lain dapat memiliki harga berbeda.

Masukan dan keluaran apa yang didukung?

Model menerima audio dan menghasilkan teks transkripsi.

Berapa panjang konteks dan batas keluarannya?

Informasi konteks dan batas keluaran tidak tersedia.

Untuk tugas apa model ini cocok?

Model ini cocok untuk transkripsi, takarir, subtitle, teks alternatif, catatan rapat, serta peninjauan rekaman panggilan dan sesi agen suara.

Apa bedanya dengan model lain dalam seri ini?

MAI-Transcribe-2-Streaming memberikan transkrip parsial pertama dalam sekitar100 milidetik. Informasi perbandingan dengan MAI-Transcribe1.5 tidak tersedia.