Microsoft AI: MAI-Transcribe 2 API
MAI-Transcribe2 converte áudio em texto em60 idiomas, com identificação automática de idioma, diarização de falantes e marcações de tempo por palavra.
MAI-Transcribe2 é um modelo multilíngue de fala para texto desenvolvido pela equipe Microsoft AI. Recebe áudio e gera texto transcrito, identificando automaticamente o idioma entre60 idiomas. Também lida com alternância entre idiomas na mesma fala, separa a transcrição por falante e marca o tempo de cada palavra. É possível ajustar o viés para termos específicos de um domínio e escolher entre transcrição literal ou uma versão limpa.
O modelo é indicado para transcrever reuniões, chamadas de atendimento e vendas, sessões gravadas de agentes de voz e conteúdo de vídeo. A atribuição de falantes e as transcrições pesquisáveis podem apoiar a criação de registros de reunião, resumos e extração de tarefas. As marcações de tempo por palavra também ajudam na legendagem e localização de vídeos, enquanto o texto transcrito pode servir como alternativa acessível para reuniões, anúncios e mídia.
Nos benchmarks informados, o modelo alcançou5.2% de taxa média de erro de palavras no FLEURS para60 idiomas e3.4% nos25 principais idiomas. Esses resultados são relatados nas fontes do modelo; a tabela de benchmark é da própria Microsoft e não constitui uma avaliação independente. A variante de streaming é MAI-Transcribe-2-Streaming.
Atualizado:
ID DO MODELO
mai-transcribe-2- Contexto
- 0
- Saída máxima
- 0
- Entrada
- audio
- Saída
- transcription
Destaques
- Identificação automática em60 idiomas
- Alternância entre idiomas
- Diarização de falantes
- Marcação de tempo por palavra
- Transcrição literal ou limpa
Provedores
Compare os preços de API entre provedores. Selecione um provedor para ver todos os preços e condições.
| Disponibilidade | ||
|---|---|---|
| $0.000027777777777777777777777777777777777777777777777778 |
Estatísticas históricas não são uma verificação em tempo real. Dados ausentes não indicam uma interrupção.
Benchmarks
- 5.2%
Benchmark multilíngue FLEURS (60 idiomas)
Taxa média de erro de palavras; ficou em primeiro lugar.
- 3.4%
Benchmark multilíngue FLEURS (25 principais idiomas)
Taxa de erro de palavras.
- 2.5%
Classificação de taxa de erro de palavras da Artificial Analysis
Taxa de erro aproximada; ficou em segundo lugar.
- 18 of21
DAI-ASR-I18N
Menor taxa de erro de transcrição entre os idiomas avaliados.
- 16
DAI-ASR-I18N
Idiomas com taxa de erro de transcrição abaixo de10%.
Pontuações conforme publicadas pelo fornecedor do modelo.
Referência da API
Os detalhes de protocolo deste modelo não foram publicados. Consulte a referência da API para os requisitos de integração.
Referência da API →Perguntas frequentes
O que é Microsoft AI: MAI-Transcribe 2?
MAI-Transcribe2 é um modelo multilíngue de fala para texto desenvolvido pela equipe Microsoft AI. Recebe áudio e gera texto transcrito, identificando automaticamente o idioma entre60 idiomas. Também lida com alternância entre idiomas na mesma fala, separa a transcrição por falante e marca o tempo de cada palavra. É possível ajustar o viés para termos específicos de um domínio e escolher entre transcrição literal ou uma versão limpa. O modelo é indicado para transcrever reuniões, chamadas de atendimento e vendas, sessões gravadas de agentes de voz e conteúdo de vídeo. A atribuição de falantes e as transcrições pesquisáveis podem apoiar a criação de registros de reunião, resumos e extração de tarefas. As marcações de tempo por palavra também ajudam na legendagem e localização de vídeos, enquanto o texto transcrito pode servir como alternativa acessível para reuniões, anúncios e mídia. Nos benchmarks informados, o modelo alcançou5.2% de taxa média de erro de palavras no FLEURS para60 idiomas e3.4% nos25 principais idiomas. Esses resultados são relatados nas fontes do modelo; a tabela de benchmark é da própria Microsoft e não constitui uma avaliação independente. A variante de streaming é MAI-Transcribe-2-Streaming.
Como o uso é cobrado?
Sua conta depende do provedor que você usa, dos preços dele e do seu uso. Entradas mais longas ou outras condições podem ter preços diferentes.
Quais tipos de entrada e saída são compatíveis?
O modelo recebe áudio e produz texto transcrito.
Quantos idiomas ele reconhece?
Oferece identificação automática de idioma para60 idiomas e também aceita fala com alternância entre idiomas.
Há informações sobre o tamanho do contexto ou o limite de saída?
Esses dados não foram informados.
Para quais tarefas ele é indicado?
É adequado para transcrever reuniões, chamadas e sessões gravadas, além de criar legendas e texto acessível. Também pode apoiar resumos e extração de tarefas a partir de registros de reunião.
Como ele se diferencia das outras variantes da família?
MAI-Transcribe2 é a variante de transcrição descrita aqui. MAI-Transcribe-2-Streaming é a variante de streaming; não há informações suficientes para comparar suas características com MAI-Transcribe1.5.