Microsoft AI: MAI-Transcribe 2 API
MAI-Transcribe2 converte l’audio in testo in60 lingue, con identificazione automatica della lingua, attribuzione dei parlanti e timestamp a livello di parola.
MAI-Transcribe2 è un modello multilingue di riconoscimento vocale sviluppato da Microsoft AI. Accetta audio e restituisce testo trascritto; identifica automaticamente la lingua tra60 lingue e gestisce il passaggio tra lingue diverse nello stesso parlato. Offre la separazione dei parlanti, timestamp per ogni parola e un’opzione per favorire termini specifici di un dominio. È possibile configurare la trascrizione in stile letterale o ripulito.
È adatto a sottotitoli, trascrizioni di chiamate e riunioni, accessibilità e applicazioni vocali. L’attribuzione dei parlanti e i timestamp possono aiutare a creare verbali ricercabili, sottotitoli sincronizzati e materiali per analisi successive, come riepiloghi o estrazione di attività. Può essere impiegato anche per la qualità e la conformità nei contact center, per il coaching commerciale e per analizzare sessioni registrate di agenti vocali.
Il modello elabora file audio in batch; la trascrizione in tempo reale richiede una configurazione separata di Voice Live. I benchmark riportati includono risultati su FLEURS e DAI-ASR-I18N, ma i dati pubblicati da Microsoft non costituiscono una valutazione indipendente. La variante MAI-Transcribe-2-Streaming è destinata allo streaming e fornisce trascrizioni parziali iniziali in circa100 millisecondi.
Aggiornato:
ID MODELLO
mai-transcribe-2- Contesto
- 0
- Output max
- 0
- Input
- audio
- Output
- transcription
In evidenza
- Riconoscimento automatico in60 lingue
- Gestione del cambio di lingua
- Attribuzione dei parlanti
- Timestamp per parola
- Stile letterale o ripulito
Fornitori
Confronta i prezzi delle API tra fornitori. Seleziona un fornitore per vedere tutti i costi e le condizioni.
| Disponibilità | ||
|---|---|---|
| $0.000027777777777777777777777777777777777777777777777778 |
Le statistiche storiche non sono un controllo in tempo reale. I dati mancanti non indicano un guasto.
Benchmark
- 5.2%
Benchmark multilingue FLEURS (60 lingue)
Tasso medio di errore delle parole; primo posto.
- 3.4%
Benchmark multilingue FLEURS (top25 lingue)
Tasso di errore delle parole.
- 2.5%
Classifica del tasso di errore delle parole Artificial Analysis
Tasso di errore approssimativo; secondo posto.
- 18 of21
DAI-ASR-I18N
Tasso di errore di trascrizione più basso tra le lingue testate.
- 16
DAI-ASR-I18N
Lingue con un tasso di errore di trascrizione inferiore a10%.
Punteggi come pubblicati dal fornitore del modello.
Riferimento API
I dettagli del protocollo di questo modello non sono pubblicati. Consulta il riferimento API per i requisiti di integrazione.
Riferimento API →Domande frequenti
Cos'è Microsoft AI: MAI-Transcribe 2?
MAI-Transcribe2 è un modello multilingue di riconoscimento vocale sviluppato da Microsoft AI. Accetta audio e restituisce testo trascritto; identifica automaticamente la lingua tra60 lingue e gestisce il passaggio tra lingue diverse nello stesso parlato. Offre la separazione dei parlanti, timestamp per ogni parola e un’opzione per favorire termini specifici di un dominio. È possibile configurare la trascrizione in stile letterale o ripulito. È adatto a sottotitoli, trascrizioni di chiamate e riunioni, accessibilità e applicazioni vocali. L’attribuzione dei parlanti e i timestamp possono aiutare a creare verbali ricercabili, sottotitoli sincronizzati e materiali per analisi successive, come riepiloghi o estrazione di attività. Può essere impiegato anche per la qualità e la conformità nei contact center, per il coaching commerciale e per analizzare sessioni registrate di agenti vocali. Il modello elabora file audio in batch; la trascrizione in tempo reale richiede una configurazione separata di Voice Live. I benchmark riportati includono risultati su FLEURS e DAI-ASR-I18N, ma i dati pubblicati da Microsoft non costituiscono una valutazione indipendente. La variante MAI-Transcribe-2-Streaming è destinata allo streaming e fornisce trascrizioni parziali iniziali in circa100 millisecondi.
Come viene addebitato l'utilizzo?
La fattura dipende dal fornitore che usi, dai suoi prezzi e dal tuo utilizzo. Input più lunghi o altre condizioni possono avere prezzi diversi.
Quali input e output supporta?
Accetta audio e restituisce testo trascritto.
Qual è la lunghezza del contesto o il limite di output?
La scheda delle specifiche non indica un limite di contesto né una lunghezza massima dell’output.
Per quali attività è adatto?
È indicato per sottotitoli, trascrizione di chiamate e riunioni, accessibilità e applicazioni vocali. Supporta anche l’attribuzione dei parlanti e timestamp a livello di parola.
In cosa differisce dagli altri modelli della serie?
MAI-Transcribe2 è il modello di trascrizione in batch. MAI-Transcribe-2-Streaming fornisce trascrizioni parziali iniziali in circa100 millisecondi; non sono specificate differenze rispetto a MAI-Transcribe1.5.