Felo API PlatformFelo API Platform
返回模型列表

Microsoft AI: MAI-Transcribe 2 API

MAI-Transcribe2 是 Microsoft AI 開發的多語音訊轉文字模型,支援自動辨識語言、說話者區分與逐字時間戳記。

MAI-Transcribe2 是 Microsoft AI 團隊自行開發的多語音訊轉文字模型,可自動辨識60 種語言,也能處理混合語言語音。它提供說話者區分及字詞層級時間戳記,並可針對特定領域術語設定關鍵詞偏置;轉寫風格可選擇逐字呈現或整理後的文字。模型以批次方式處理音訊,公開預覽期間沒有服務等級協議;即時轉錄需另行設定 Voice Live。

此模型適合會議紀錄、通話轉錄、字幕製作、無障礙文字替代,以及語音應用。逐字時間戳記可協助影片字幕對齊;附有說話者標示的可搜尋逐字稿,也適用於摘要與行動項目整理。Microsoft 公布的基準測試結果顯示其多語言辨識表現;這些數據來自 Microsoft 的基準表,並非獨立評估。

更新時間:

模型 ID

mai-transcribe-2
上下文
0
最大輸出
0
輸入
audio
輸出
transcription

核心要點

  • 自動辨識60 種語言
  • 支援混合語言語音
  • 提供說話者區分
  • 字詞層級時間戳記
  • 可設定轉錄風格

供應商

1 個供應商

比較不同供應商的呼叫價格,點擊供應商可查看完整費用和適用條件。

供應商 · 計費明細
可用率
$0.000027777777777777777777777777777777777777777777777778

基準測試

  • FLEURS 多語言基準(60 種語言)

    平均字錯誤率;排名第一。

    5.2%
  • FLEURS 多語言基準(前25 種語言)

    字錯誤率。

    3.4%
  • Artificial Analysis 字錯誤率排行榜

    約略錯誤率;排名第二。

    2.5%
  • DAI-ASR-I18N

    在測試語言中,轉錄錯誤率最低。

    18 of21
  • DAI-ASR-I18N

    有16 種語言的轉錄錯誤率低於10%。

    16

分數來自模型廠商公布的資料,未經獨立驗證。

API 文件

此模型尚未公布具體協定資訊,請查閱 API 文件中的接入要求。

API 文件 →

常見問題

什麼是 Microsoft AI: MAI-Transcribe 2?

MAI-Transcribe2 是 Microsoft AI 團隊自行開發的多語音訊轉文字模型,可自動辨識60 種語言,也能處理混合語言語音。它提供說話者區分及字詞層級時間戳記,並可針對特定領域術語設定關鍵詞偏置;轉寫風格可選擇逐字呈現或整理後的文字。模型以批次方式處理音訊,公開預覽期間沒有服務等級協議;即時轉錄需另行設定 Voice Live。 此模型適合會議紀錄、通話轉錄、字幕製作、無障礙文字替代,以及語音應用。逐字時間戳記可協助影片字幕對齊;附有說話者標示的可搜尋逐字稿,也適用於摘要與行動項目整理。Microsoft 公布的基準測試結果顯示其多語言辨識表現;這些數據來自 Microsoft 的基準表,並非獨立評估。

如何計算呼叫費用?

費用取決於你使用的供應商、對應價格和實際用量。長文字輸入等情況可能適用不同價格,詳見計費明細。

支援哪些輸入與輸出?

輸入為音訊,輸出為轉錄文字。

支援哪些語言與語音形式?

支援60 種語言並可自動辨識語言,也支援混合語言語音。

上下文長度與輸出上限是多少?

資料未提供上下文長度或輸出上限。

適合用於哪些任務?

適合會議與通話轉錄、字幕製作、影片在地化,以及為語音應用產生文字。

與同系列模型有何差別?

資料指出 MAI-Transcribe-2-Streaming 是串流版本,可在約100 毫秒內提供首批部分轉錄文字;未提供它與 MAI-Transcribe1.5 的具體比較。