Microsoft AI: MAI-Transcribe 2 API
MAI-Transcribe2 là mô hình chuyển giọng nói thành văn bản đa ngôn ngữ, nhận diện ngôn ngữ tự động, hỗ trợ lời nói pha trộn ngôn ngữ và cung cấp dấu thời gian theo từng từ.
MAI-Transcribe2 do đội ngũ Microsoft AI phát triển, nhận âm thanh đầu vào và tạo văn bản phiên âm. Mô hình hỗ trợ60 ngôn ngữ với khả năng tự động nhận diện ngôn ngữ, xử lý lời nói chuyển đổi giữa nhiều ngôn ngữ, phân tách người nói và gắn dấu thời gian ở cấp độ từ. Có thể ưu tiên từ khóa cho thuật ngữ chuyên ngành và chọn kiểu phiên âm nguyên văn hoặc đã làm sạch.
Mô hình phù hợp cho tạo phụ đề, phiên âm cuộc gọi và cuộc họp, hỗ trợ khả năng tiếp cận, cũng như xây dựng ứng dụng có giọng nói. Với cuộc họp, việc gắn nhãn người nói giúp tạo bản ghi có thể tìm kiếm để phục vụ tóm tắt và trích xuất đầu việc; trong trung tâm liên lạc, bản phiên âm có thể hỗ trợ đảm bảo chất lượng, huấn luyện và tuân thủ. Dấu thời gian theo từ cũng hữu ích cho căn chỉnh phụ đề video và bản địa hóa.
Đây là mô hình xử lý theo lô đang ở giai đoạn xem trước công khai; phiên âm thời gian thực cần cấu hình Voice Live riêng. Theo các số liệu được nêu, mô hình xử lý một giờ âm thanh trong khoảng10 giây suy luận. Các kết quả chuẩn được báo cáo gồm tỷ lệ lỗi từ5.2% trên FLEURS với60 ngôn ngữ và3.4% trên nhóm25 ngôn ngữ hàng đầu. Bảng chuẩn là của Microsoft, nên các số liệu do nhà cung cấp báo cáo không phải đánh giá độc lập.
Cập nhật:
ID MÔ HÌNH
mai-transcribe-2- Ngữ cảnh
- 0
- Đầu ra tối đa
- 0
- Đầu vào
- audio
- Đầu ra
- transcription
Điểm nổi bật
- Hỗ trợ60 ngôn ngữ
- Tự động nhận diện ngôn ngữ
- Phân tách người nói
- Dấu thời gian từng từ
- Tùy chọn kiểu phiên âm
Nhà cung cấp
So sánh giá API giữa các nhà cung cấp. Chọn một nhà cung cấp để xem toàn bộ chi phí và điều kiện.
| Tỷ lệ khả dụng | ||
|---|---|---|
| $0.000027777777777777777777777777777777777777777777777778 |
Thống kê lịch sử không phải kiểm tra trạng thái trực tiếp. Thiếu dữ liệu không có nghĩa là gián đoạn.
Điểm chuẩn
- 5.2%
Chuẩn đa ngôn ngữ FLEURS (60 ngôn ngữ)
Tỷ lệ lỗi từ trung bình; đứng đầu.
- 3.4%
Chuẩn đa ngôn ngữ FLEURS (25 ngôn ngữ hàng đầu)
Tỷ lệ lỗi từ.
- 2.5%
Bảng xếp hạng tỷ lệ lỗi từ Artificial Analysis
Tỷ lệ lỗiước tính; xếp thứ hai.
- 18 of21
DAI-ASR-I18N
Có tỷ lệ lỗi phiên âm thấp nhất trong các ngôn ngữ được kiểm tra.
- 16
DAI-ASR-I18N
Số ngôn ngữ có tỷ lệ lỗi phiên âm dưới10%.
Điểm số theo công bố của nhà cung cấp mô hình.
Tham chiếu API
Thông tin giao thức của mô hình này chưa được công bố. Xem tham chiếu API để biết yêu cầu tích hợp.
Tham chiếu API →Câu hỏi thường gặp
Tìm hiểu Microsoft AI: MAI-Transcribe 2?
MAI-Transcribe2 do đội ngũ Microsoft AI phát triển, nhận âm thanh đầu vào và tạo văn bản phiên âm. Mô hình hỗ trợ60 ngôn ngữ với khả năng tự động nhận diện ngôn ngữ, xử lý lời nói chuyển đổi giữa nhiều ngôn ngữ, phân tách người nói và gắn dấu thời gian ở cấp độ từ. Có thể ưu tiên từ khóa cho thuật ngữ chuyên ngành và chọn kiểu phiên âm nguyên văn hoặc đã làm sạch. Mô hình phù hợp cho tạo phụ đề, phiên âm cuộc gọi và cuộc họp, hỗ trợ khả năng tiếp cận, cũng như xây dựng ứng dụng có giọng nói. Với cuộc họp, việc gắn nhãn người nói giúp tạo bản ghi có thể tìm kiếm để phục vụ tóm tắt và trích xuất đầu việc; trong trung tâm liên lạc, bản phiên âm có thể hỗ trợ đảm bảo chất lượng, huấn luyện và tuân thủ. Dấu thời gian theo từ cũng hữu ích cho căn chỉnh phụ đề video và bản địa hóa. Đây là mô hình xử lý theo lô đang ở giai đoạn xem trước công khai; phiên âm thời gian thực cần cấu hình Voice Live riêng. Theo các số liệu được nêu, mô hình xử lý một giờ âm thanh trong khoảng10 giây suy luận. Các kết quả chuẩn được báo cáo gồm tỷ lệ lỗi từ5.2% trên FLEURS với60 ngôn ngữ và3.4% trên nhóm25 ngôn ngữ hàng đầu. Bảng chuẩn là của Microsoft, nên các số liệu do nhà cung cấp báo cáo không phải đánh giá độc lập.
Cách tính phí sử dụng?
Hóa đơn của bạn phụ thuộc vào nhà cung cấp bạn dùng, giá của họ và mức sử dụng của bạn. Đầu vào dài hơn hoặc các điều kiện khác có thể có giá khác.
Mô hình nhận và trả về dạng dữ liệu nào?
Mô hình nhận âm thanh đầu vào và trả về văn bản phiên âm.
Mô hình hỗ trợ ngôn ngữ và lời nói pha trộn ra sao?
Mô hình hỗ trợ60 ngôn ngữ với nhận diện ngôn ngữ tự động và xử lý lời nói chuyển đổi giữa nhiều ngôn ngữ.
Mô hình có cung cấp dấu thời gian và nhận diện người nói không?
Có. Mô hình hỗ trợ phân tách người nói và dấu thời gian theo từng từ.
Mô hình phù hợp với những công việc nào?
Mô hình phù hợp để tạo phụ đề, phiên âm cuộc gọi và cuộc họp, hỗ trợ tiếp cận, cùng các ứng dụng có giọng nói.
Có thể tùy chỉnh cách phiên âm không?
Có thể ưu tiên từ khóa cho thuật ngữ chuyên ngành và chọn kiểu phiên âm nguyên văn hoặc đã làm sạch.