Felo API PlatformFelo API Platform
返回模型列表

Microsoft AI: MAI-Transcribe 2 API

MAI-Transcribe2 是一款多语言语音转文字模型,支持自动识别语言、混合语言语音转写及说话人区分。

MAI-Transcribe2 是 Microsoft AI 团队自研的多语言语音转文字模型,支持音频输入并输出转写文本。它可自动识别60 种语言,也支持混合语言语音;转写时可标注说话人和词级时间戳,并可针对领域术语设置关键词偏置,还能选择逐字或清理后的转写风格。

它适合会议记录、通话转写、字幕制作、无障碍文本和语音应用,也可用于客服与销售通话质检、语音代理会话分析,以及带词级时间对齐的视频本地化。该模型以批处理方式提供;公开预览版没有服务级别协议,文件大小上限为300 megabytes。实时转写需要另行配置 Voice Live,且目前未发布开放权重。

更新时间:

模型 ID

mai-transcribe-2
上下文
0
最大输出
0
输入
audio
输出
transcription

核心要点

  • 支持60 种语言自动识别
  • 支持混合语言语音
  • 提供说话人区分与词级时间戳
  • 可设置领域关键词偏置
  • 支持逐字或清理式转写

供应商

1 个供应商

比较不同供应商的调用价格,点击供应商可查看完整费用和适用条件。

供应商 · 计费明细
可用率
$0.000027777777777777777777777777777777777777777777777778

基准测试

  • FLEURS 多语言基准(60 种语言)

    平均词错误率,排名第一。

    5.2%
  • FLEURS 多语言基准(前25 种语言)

    词错误率。

    3.4%
  • Artificial Analysis词错误率排行榜

    近似错误率,排名第二。

    2.5%
  • DAI-ASR-I18N

    在受测语言中,转写错误率最低。

    18 of21
  • DAI-ASR-I18N

    有16 种语言的转写错误率低于10%。

    16

分数来自模型厂商公布的数据,未独立验证。

API 文档

该模型尚未公布具体协议信息,请查阅 API 文档中的接入要求。

API 文档 →

常见问题

什么是 Microsoft AI: MAI-Transcribe 2?

MAI-Transcribe2 是 Microsoft AI 团队自研的多语言语音转文字模型,支持音频输入并输出转写文本。它可自动识别60 种语言,也支持混合语言语音;转写时可标注说话人和词级时间戳,并可针对领域术语设置关键词偏置,还能选择逐字或清理后的转写风格。 它适合会议记录、通话转写、字幕制作、无障碍文本和语音应用,也可用于客服与销售通话质检、语音代理会话分析,以及带词级时间对齐的视频本地化。该模型以批处理方式提供;公开预览版没有服务级别协议,文件大小上限为300 megabytes。实时转写需要另行配置 Voice Live,且目前未发布开放权重。

如何计算调用费用?

费用取决于你使用的供应商、对应价格和实际用量。长文本输入等情况可能适用不同价格,详见计费明细。

支持哪些输入和输出?

支持音频输入,输出转写文本。

支持哪些语言相关功能?

支持60 种语言的自动语言识别,也支持混合语言语音转写。

是否提供上下文长度和输出长度信息?

事实清单未提供上下文长度或输出长度信息。

适合哪些任务?

适合会议记录、通话转写、字幕制作、无障碍文本,以及客服通话质检和语音会话分析。

与同系列模型有什么差别?

事实清单未提供 MAI-Transcribe2 与 MAI-Transcribe1.5 的具体差别。MAI-Transcribe-2-Streaming 是流式版本,可在约100 milliseconds 内提供首批部分转写文本。