Felo API PlatformFelo API Platform
Назад к моделям

Microsoft AI: MAI-Transcribe 2 API

MAI-Transcribe2 — многоязычная модель Microsoft AI для преобразования аудио в текст с автоматическим распознаванием языка, разделением реплик по говорящим и точными временными метками слов.

MAI-Transcribe2 — разработанная командой Microsoft AI многоязычная модель для преобразования речи в текст. Она принимает аудио и возвращает расшифровку, поддерживает60 языков с автоматическим определением языка, а также смешанную речь на разных языках. Можно выбрать дословный или очищенный стиль транскрипции, настроить приоритет ключевых слов для специализированной терминологии и получить разметку говорящих вместе с временными метками на уровне слов.

Модель подходит для расшифровки встреч и звонков, создания субтитров и текстовых альтернатив, а также для задач доступности и голосовых приложений. Атрибуция реплик помогает готовить записи встреч и искать нужные фрагменты в расшифровках; такие материалы можно использовать для последующего обобщения и извлечения задач. Транскрипты звонков контакт-центров пригодятся для контроля качества, обучения и проверки соблюдения требований, а временные метки слов облегчают синхронизацию субтитров с видео.

В опубликованных результатах для FLEURS указана средняя частота ошибок слов5.2% на60 языках и3.4% на25 ведущих языках. По данным Artificial Analysis, приблизительная частота ошибок составляет2.5%; в DAI-ASR-I18N модель показала наименьшую ошибку транскрибирования на18 of21 языках. Эти показатели следует рассматривать как результаты указанных бенчмарков, а не как гарантию качества для любой записи.

Обновлено:

MODEL ID

mai-transcribe-2
Контекст
0
Макс. вывод
0
Вход
audio
Выход
transcription

Ключевые возможности

  • 60 языков
  • Автоопределение языка
  • Смешанная многоязычная речь
  • Разметка говорящих
  • Временные метки слов
  • Два стиля транскрипции

Поставщики

1 поставщиков

Сравните цены API у разных поставщиков. Выберите поставщика, чтобы посмотреть все тарифы и условия.

Поставщик · Подробности оплаты
Доступность
$0.000027777777777777777777777777777777777777777777777778

Бенчмарки

  • Многоязычный бенчмарк FLEURS (60 языков)

    Средняя частота ошибок слов; первое место.

    5.2%
  • Многоязычный бенчмарк FLEURS (top25 языков)

    Частота ошибок слов.

    3.4%
  • Таблица лидеров по частоте ошибок слов Artificial Analysis

    Приблизительная частота ошибок; второе место.

    2.5%
  • DAI-ASR-I18N

    Наименьшая ошибка транскрибирования среди проверенных языков.

    18 of21
  • DAI-ASR-I18N

    Языки, для которых ошибка транскрибирования ниже10%.

    16

Результаты опубликованы производителем модели.

Справочник API

Протоколы этой модели не опубликованы. Требования к подключению смотрите в справочнике API.

Справочник API →

Частые вопросы

О модели Microsoft AI: MAI-Transcribe 2?

MAI-Transcribe2 — разработанная командой Microsoft AI многоязычная модель для преобразования речи в текст. Она принимает аудио и возвращает расшифровку, поддерживает60 языков с автоматическим определением языка, а также смешанную речь на разных языках. Можно выбрать дословный или очищенный стиль транскрипции, настроить приоритет ключевых слов для специализированной терминологии и получить разметку говорящих вместе с временными метками на уровне слов. Модель подходит для расшифровки встреч и звонков, создания субтитров и текстовых альтернатив, а также для задач доступности и голосовых приложений. Атрибуция реплик помогает готовить записи встреч и искать нужные фрагменты в расшифровках; такие материалы можно использовать для последующего обобщения и извлечения задач. Транскрипты звонков контакт-центров пригодятся для контроля качества, обучения и проверки соблюдения требований, а временные метки слов облегчают синхронизацию субтитров с видео. В опубликованных результатах для FLEURS указана средняя частота ошибок слов5.2% на60 языках и3.4% на25 ведущих языках. По данным Artificial Analysis, приблизительная частота ошибок составляет2.5%; в DAI-ASR-I18N модель показала наименьшую ошибку транскрибирования на18 of21 языках. Эти показатели следует рассматривать как результаты указанных бенчмарков, а не как гарантию качества для любой записи.

Как рассчитывается стоимость?

Стоимость зависит от выбранного поставщика, его цен и вашего использования. Для длинных запросов могут действовать другие цены — смотрите подробности.

Какие входные данные принимает модель?

Модель принимает аудио и выдает текстовую расшифровку.

Какие языки и режимы речи поддерживаются?

Поддерживаются60 языков с автоматическим определением языка, включая смешанную речь на разных языках. Доступны дословный и очищенный стили транскрипции.

Как модель обрабатывает несколько говорящих?

Она размечает говорящих и предоставляет временные метки для отдельных слов.

Для каких задач подходит MAI-Transcribe2?

Для расшифровки встреч и звонков, субтитров, текстовых альтернатив, задач доступности и голосовых приложений.

Какие ограничения длины контекста и вывода указаны?

В предоставленных данных значения контекста и лимита вывода не указаны.

Чем модель отличается от других моделей серии?

Данных для сравнения MAI-Transcribe2 с MAI-Transcribe1.5 и MAI-Transcribe-2-Streaming недостаточно.