Felo API PlatformFelo API Platform
Voltar aos modelos

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

1 provedores

Compare os preços de API entre provedores. Selecione um provedor para ver todos os preços e condições.

Provedor · Detalhes de preço
Disponibilidade
$0.000027777777777777777777777777777777777777777777777778

Benchmarks

  • Benchmark multilíngue FLEURS (60 idiomas)

    Taxa média de erro de palavras; ficou em primeiro lugar.

    5.2%
  • Benchmark multilíngue FLEURS (25 principais idiomas)

    Taxa de erro de palavras.

    3.4%
  • Classificação de taxa de erro de palavras da Artificial Analysis

    Taxa de erro aproximada; ficou em segundo lugar.

    2.5%
  • DAI-ASR-I18N

    Menor taxa de erro de transcrição entre os idiomas avaliados.

    18 of21
  • DAI-ASR-I18N

    Idiomas com taxa de erro de transcrição abaixo de10%.

    16

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.