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
Сравните цены API у разных поставщиков. Выберите поставщика, чтобы посмотреть все тарифы и условия.
| Доступность | ||
|---|---|---|
| $0.000027777777777777777777777777777777777777777777777778 |
Историческая статистика не является проверкой в реальном времени. Отсутствие данных не означает сбой.
Бенчмарки
- 5.2%
Многоязычный бенчмарк FLEURS (60 языков)
Средняя частота ошибок слов; первое место.
- 3.4%
Многоязычный бенчмарк FLEURS (top25 языков)
Частота ошибок слов.
- 2.5%
Таблица лидеров по частоте ошибок слов Artificial Analysis
Приблизительная частота ошибок; второе место.
- 18 of21
DAI-ASR-I18N
Наименьшая ошибка транскрибирования среди проверенных языков.
- 16
DAI-ASR-I18N
Языки, для которых ошибка транскрибирования ниже10%.
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.