Felo API PlatformFelo API Platform
Назад до моделей

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.

ОбмеженоБезкоштовний пробний період

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

1 постачальників

Порівняйте ціни API у різних постачальників. Виберіть постачальника, щоб переглянути всі тарифи й умови.

Постачальник · Деталі тарифів
Доступність
$0.000027777777777777777777777777777777777777777777777778

Бенчмарки

  • Багатомовний тест FLEURS (60 мов)

    Середня частка помилок у словах; перше місце.

    5.2%
  • Багатомовний тест FLEURS (25 провідних мов)

    Частка помилок у словах.

    3.4%
  • Таблиця лідерів частки помилок у словах Artificial Analysis

    Приблизна частка помилок; друге місце.

    2.5%
  • DAI-ASR-I18N

    Найнижча частка помилок транскрибування серед перевірених мов.

    18 of21
  • DAI-ASR-I18N

    Мови, для яких частка помилок транскрибування нижча за10%.

    16

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.