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
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。
| 可用率 | ||
|---|---|---|
| $0.000027777777777777777777777777777777777777777777777778 |
歷史統計不等於即時健康檢查,缺少資料不代表服務中斷。
基準測試
- 5.2%
FLEURS 多語言基準(60 種語言)
平均字錯誤率;排名第一。
- 3.4%
FLEURS 多語言基準(前25 種語言)
字錯誤率。
- 2.5%
Artificial Analysis 字錯誤率排行榜
約略錯誤率;排名第二。
- 18 of21
DAI-ASR-I18N
在測試語言中,轉錄錯誤率最低。
- 16
DAI-ASR-I18N
有16 種語言的轉錄錯誤率低於10%。
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。