Microsoft AI: MAI-Transcribe 2 API
MAI-Transcribe2 مائیکروسافٹ اے آئی کا کثیر لسانی آڈیو سے متن بنانے والا ماڈل ہے، جو خودکار زبان شناخت، مقررین کی تفریق اور لفظی وقت بندی فراہم کرتا ہے۔
MAI-Transcribe2 مائیکروسافٹ اے آئی کی تیار کردہ کثیر لسانی تقریر سے متن بنانے کی سہولت ہے۔ یہ آڈیو کو متن میں بدلتا ہے،60 زبانوں کی خودکار شناخت کرتا ہے، اور ملی جلی زبانوں میں گفتگو کو سنبھالتا ہے۔ مخصوص شعبوں کی اصطلاحات کے لیے کلیدی الفاظ کا وزن بڑھایا جا سکتا ہے، جبکہ نقل حرف بہ حرف یا صاف، رواں متن کے انداز میں حاصل کی جا سکتی ہے۔ یہ مقررین کی شناخت اور ہر لفظ کے لیے وقت کی نشاندہی بھی کرتا ہے۔
یہ ماڈل ویڈیو کے ذیلی عنوانات، کالوں اور ملاقاتوں کی نقل، قابلِ رسائی متنی متبادل، اور آواز سے چلنے والی ایپلی کیشنز کے لیے موزوں ہے۔ مقررین سے منسوب ملاقات کے ریکارڈ تلاش پذیر متن بناتے ہیں، جسے خلاصے اور کارروائی کے نکات نکالنے میں استعمال کیا جا سکتا ہے۔ رابطہ مراکز اور فروخت کی کالوں میں یہ معیار کی جانچ، تربیت اور ضابطہ جاتی نگرانی کے کام آ سکتا ہے۔ لفظی وقت بندی ویڈیو کے ذیلی عنوانات اور مقامیانے میں بھی مدد دیتی ہے۔
اس کی عوامی پیش منظر صورت بیچ پروسیسنگ کے لیے ہے؛ فوری نقل کے لیے الگ Voice Live ترتیب درکار ہے۔ اوپن ویٹس جاری نہیں کیے گئے، اس لیے مقامی تعیناتی کے بجائے سرکاری پلے گراؤنڈ تک استعمال محدود ہے۔ بیان کردہ رفتار اور درستگی کے اعداد مائیکروسافٹ کے اپنے معیاروں پر مبنی ہیں، آزادانہ حتمی فیصلہ نہیں۔
تازہ کاری:
MODEL ID
mai-transcribe-2- سیاق
- 0
- زیادہ سے زیادہ آؤٹ پٹ
- 0
- ان پٹ
- audio
- آؤٹ پٹ
- transcription
نمایاں خصوصیات
- 60 زبانوں کی خودکار شناخت
- ملی جلی زبانوں کی نقل
- مقررین کی تفریق
- لفظی وقت کی نشان دہی
- نقل کے دو انداز
فراہم کنندگان
فراہم کنندگان کے درمیان API قیمتوں کا موازنہ کریں۔ تمام چارجز اور شرائط دیکھنے کے لیے کوئی فراہم کنندہ منتخب کریں۔
| دستیابی | ||
|---|---|---|
| $0.000027777777777777777777777777777777777777777777777778 |
تاریخی اعدادوشمار براہ راست حالت کی جانچ نہیں ہیں۔ ڈیٹا نہ ہونا تعطل کا مطلب نہیں۔
بینچ مارکس
- 5.2%
FLEURS کثیر لسانی معیار (60 زبانیں)
اوسط لفظی غلطی کی شرح؛ درجہ بندی میں پہلا مقام۔
- 3.4%
FLEURS کثیر لسانی معیار (25 سرفہرست زبانیں)
لفظی غلطی کی شرح۔
- 2.5%
Artificial Analysis لفظی غلطی کی شرح کی درجہ بندی
تقریبی غلطی کی شرح؛ درجہ بندی میں دوسرا مقام۔
- 18 of21
DAI-ASR-I18N
آزمودہ زبانوں میں نقل کی سب سے کم غلطی کی شرح۔
- 16
DAI-ASR-I18N
ایسی زبانیں جن میں نقل کی غلطی10% سے کم رہی۔
اسکورز جیسا کہ ماڈل فراہم کنندہ نے شائع کیے۔
API حوالہ
اس ماڈل کی پروٹوکول تفصیلات شائع نہیں ہوئیں۔ انٹیگریشن تقاضوں کے لیے API حوالہ دیکھیں۔
API حوالہ →عمومی سوالات
ماڈل تعارف: Microsoft AI: MAI-Transcribe 2?
MAI-Transcribe2 مائیکروسافٹ اے آئی کی تیار کردہ کثیر لسانی تقریر سے متن بنانے کی سہولت ہے۔ یہ آڈیو کو متن میں بدلتا ہے،60 زبانوں کی خودکار شناخت کرتا ہے، اور ملی جلی زبانوں میں گفتگو کو سنبھالتا ہے۔ مخصوص شعبوں کی اصطلاحات کے لیے کلیدی الفاظ کا وزن بڑھایا جا سکتا ہے، جبکہ نقل حرف بہ حرف یا صاف، رواں متن کے انداز میں حاصل کی جا سکتی ہے۔ یہ مقررین کی شناخت اور ہر لفظ کے لیے وقت کی نشاندہی بھی کرتا ہے۔ یہ ماڈل ویڈیو کے ذیلی عنوانات، کالوں اور ملاقاتوں کی نقل، قابلِ رسائی متنی متبادل، اور آواز سے چلنے والی ایپلی کیشنز کے لیے موزوں ہے۔ مقررین سے منسوب ملاقات کے ریکارڈ تلاش پذیر متن بناتے ہیں، جسے خلاصے اور کارروائی کے نکات نکالنے میں استعمال کیا جا سکتا ہے۔ رابطہ مراکز اور فروخت کی کالوں میں یہ معیار کی جانچ، تربیت اور ضابطہ جاتی نگرانی کے کام آ سکتا ہے۔ لفظی وقت بندی ویڈیو کے ذیلی عنوانات اور مقامیانے میں بھی مدد دیتی ہے۔ اس کی عوامی پیش منظر صورت بیچ پروسیسنگ کے لیے ہے؛ فوری نقل کے لیے الگ Voice Live ترتیب درکار ہے۔ اوپن ویٹس جاری نہیں کیے گئے، اس لیے مقامی تعیناتی کے بجائے سرکاری پلے گراؤنڈ تک استعمال محدود ہے۔ بیان کردہ رفتار اور درستگی کے اعداد مائیکروسافٹ کے اپنے معیاروں پر مبنی ہیں، آزادانہ حتمی فیصلہ نہیں۔
استعمال کی بلنگ کیسے ہوتی ہے؟
آپ کا بل اس فراہم کنندہ پر منحصر ہے جو آپ استعمال کرتے ہیں، اس کی قیمتوں اور آپ کے استعمال پر۔ لمبے ان پٹ یا دیگر شرائط پر مختلف قیمتیں لاگو ہو سکتی ہیں۔
یہ کون سے ان پٹ اور آؤٹ پٹ کی حمایت کرتا ہے؟
یہ آڈیو ان پٹ لیتا اور نقل شدہ متن فراہم کرتا ہے۔
کتنی زبانوں کی شناخت اور ملی جلی گفتگو کی سہولت ہے؟
یہ60 زبانوں کی خودکار شناخت اور ملی جلی زبانوں میں گفتگو کی نقل کی حمایت کرتا ہے۔
یہ کن کاموں کے لیے موزوں ہے؟
یہ کالوں اور ملاقاتوں کی نقل، ذیلی عنوانات، قابلِ رسائی متنی متبادل اور آواز سے چلنے والی ایپلی کیشنز کے لیے موزوں ہے۔
کیا یہ مقررین اور الفاظ کے وقت کی نشان دہی کرتا ہے؟
ہاں، یہ مقررین کی تفریق اور لفظی وقت کی نشان دہی فراہم کرتا ہے۔
اس کے سیاقی حد اور زیادہ سے زیادہ آؤٹ پٹ کی لمبائی کیا ہے؟
فراہم کردہ معلومات میں سیاقی حد اور آؤٹ پٹ کی زیادہ سے زیادہ لمبائی درج نہیں ہے۔
یہ اسی سلسلے کے دوسرے ماڈلوں سے کیسے مختلف ہے؟
فراہم کردہ معلومات میں اسی سلسلے کے ماڈلوں کے درمیان تقابلی تفصیل موجود نہیں ہے۔