Microsoft AI: MAI-Transcribe 2 API
MAI-Transcribe2 — мультимовна модель перетворення мовлення на текст із визначенням мови, розподілом реплік за мовцями та часовими мітками слів.
MAI-Transcribe2 — мультимовна модель Microsoft AI для перетворення аудіо на текст. Вона підтримує60 мов і автоматично визначає мову, а також обробляє мовлення зі змішуванням мов. Для термінології певної галузі можна налаштувати пріоритет ключових слів. Модель пропонує два стилі транскрибування: дослівний і очищений. Результат може містити розподіл тексту за мовцями та часові мітки на рівні слів.
Модель підходить для створення субтитрів, транскрибування дзвінків і зустрічей, а також текстових альтернатив до медіа. Дані про мовців і часові мітки допомагають формувати записи зустрічей, шукати фрагменти розмов і готувати матеріали для підсумків та переліків завдань. У контакт-центрах і продажах транскрипти можна використовувати для контролю якості, навчання та перевірки дотримання вимог. Модель також придатна для аналізу записаних сесій голосових агентів.
Це пакетна модель у публічному попередньому перегляді; для транскрибування в реальному часі потрібне окреме налаштування Voice Live. За даними наведених тестів, модель посіла перше місце у багатомовному тесті FLEURS на60 мовах із показником5.2% середньої частки помилок у словах. Ці результати наведені Microsoft і не є незалежною оцінкою.
Оновлено:
MODEL ID
mai-transcribe-2- Контекст
- 0
- Макс. вихід
- 0
- Вхід
- audio
- Вихід
- transcription
Ключові можливості
- Підтримка60 мов
- Автоматичне визначення мови
- Розпізнавання змішаної мови
- Розподіл тексту за мовцями
- Дослівний або очищений стиль
Постачальники
Порівняйте ціни API у різних постачальників. Виберіть постачальника, щоб переглянути всі тарифи й умови.
| Доступність | ||
|---|---|---|
| $0.000027777777777777777777777777777777777777777777777778 |
Історична статистика не є перевіркою наживо. Відсутність даних не означає збій.
Бенчмарки
- 5.2%
Багатомовний тест FLEURS (60 мов)
Середня частка помилок у словах; перше місце.
- 3.4%
Багатомовний тест FLEURS (25 провідних мов)
Частка помилок у словах.
- 2.5%
Таблиця лідерів частки помилок у словах Artificial Analysis
Приблизна частка помилок; друге місце.
- 18 of21
DAI-ASR-I18N
Найнижча частка помилок транскрибування серед перевірених мов.
- 16
DAI-ASR-I18N
Мови, для яких частка помилок транскрибування нижча за10%.
Результати за публікацією постачальника моделі.
Довідка API
Відомості про протокол цієї моделі не опубліковано. Вимоги до інтеграції дивіться в довідці API.
Довідка API →Часті запитання
Що таке Microsoft AI: MAI-Transcribe 2?
MAI-Transcribe2 — мультимовна модель Microsoft AI для перетворення аудіо на текст. Вона підтримує60 мов і автоматично визначає мову, а також обробляє мовлення зі змішуванням мов. Для термінології певної галузі можна налаштувати пріоритет ключових слів. Модель пропонує два стилі транскрибування: дослівний і очищений. Результат може містити розподіл тексту за мовцями та часові мітки на рівні слів. Модель підходить для створення субтитрів, транскрибування дзвінків і зустрічей, а також текстових альтернатив до медіа. Дані про мовців і часові мітки допомагають формувати записи зустрічей, шукати фрагменти розмов і готувати матеріали для підсумків та переліків завдань. У контакт-центрах і продажах транскрипти можна використовувати для контролю якості, навчання та перевірки дотримання вимог. Модель також придатна для аналізу записаних сесій голосових агентів. Це пакетна модель у публічному попередньому перегляді; для транскрибування в реальному часі потрібне окреме налаштування Voice Live. За даними наведених тестів, модель посіла перше місце у багатомовному тесті FLEURS на60 мовах із показником5.2% середньої частки помилок у словах. Ці результати наведені Microsoft і не є незалежною оцінкою.
Як нараховується оплата за використання?
Рахунок залежить від обраного постачальника, його цін і вашого використання. Довші вхідні дані або інші умови можуть мати інші ціни.
Які вхідні дані та результати підтримує модель?
Вона приймає аудіо та повертає транскрибований текст. У результаті можуть бути розподіл за мовцями й часові мітки слів.
Скільки мов підтримує модель?
Модель підтримує60 мов з автоматичним визначенням мови, а також мовлення зі змішуванням мов.
Який контекст і максимальну довжину результату підтримує модель?
У наданих даних контекст і обмеження довжини результату не вказані.
Для яких завдань підходить MAI-Transcribe2?
Вона підходить для субтитрів, транскрибування дзвінків і зустрічей, текстових альтернатив для медіа та аналізу записів голосових агентів.
Чим модель відрізняється від інших моделей цієї серії?
Для MAI-Transcribe1.5 у наданих даних немає порівняльного опису. MAI-Transcribe-2-Streaming описана як потоковий варіант, що видає перші часткові транскрипти приблизно за100 мілісекунд.