Felo API PlatformFelo API Platform
Torna ai modelli

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

1 fornitori

Confronta i prezzi delle API tra fornitori. Seleziona un fornitore per vedere tutti i costi e le condizioni.

Fornitore · Dettagli dei prezzi
Disponibilità
$0.000027777777777777777777777777777777777777777777777778

Benchmark

  • Benchmark multilingue FLEURS (60 lingue)

    Tasso medio di errore delle parole; primo posto.

    5.2%
  • Benchmark multilingue FLEURS (top25 lingue)

    Tasso di errore delle parole.

    3.4%
  • Classifica del tasso di errore delle parole Artificial Analysis

    Tasso di errore approssimativo; secondo posto.

    2.5%
  • DAI-ASR-I18N

    Tasso di errore di trascrizione più basso tra le lingue testate.

    18 of21
  • DAI-ASR-I18N

    Lingue con un tasso di errore di trascrizione inferiore a10%.

    16

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.