MAI-Transcribe
Модель Microsoft AI, которая превращает аудио в точный текст на 60 языках, с разделением по говорящим и метками времени.
MAI-Transcribe — линейка моделей распознавания речи, которые Microsoft AI разработала внутри компании. Модель переводит запись в текст на 60 языках, сама определяет язык, различает говорящих, ставит метки времени у каждого слова и умеет подстраиваться под отраслевые термины. Есть два режима выдачи: дословный, с оговорками и повторами, и чистый, пригодный для субтитров и заметок. Отдельный потоковый вариант работает в реальном времени с задержкой около 128 миллисекунд. Модель рассчитана на колл-центры, медицинские заметки, юридические записи, субтитры и доступность. Ею пользуются через API в Microsoft Foundry и OpenRouter, а попробовать можно в онлайн-песочнице MAI Playground.
Возможности
60 языков
Единая модель расшифровывает запись на шестидесяти языках и сама определяет, на каком из них говорят.
Разделение по говорящим
Слова приписываются конкретному участнику разговора, что удобно для совещаний и звонков.
Подсказки терминов
Список ключевых слов помогает точнее распознавать названия, сокращения и отраслевую лексику.
Чистый и дословный стиль
Дословный режим сохраняет оговорки и ложные старты, чистый убирает слова-паразиты для читаемых текстов.
Высокая скорость
Час записи обрабатывается примерно за десять секунд, а потоковый вариант отвечает за доли секунды.
Метки времени по словам
У каждого слова есть время, поэтому по тексту легко искать и монтировать запись.
Смена языка в разговоре
Модель справляется с речью, где собеседники переходят с одного языка на другой, например с хинди на английский.
Что ещё умеет MAI-Transcribe
- Потоковая расшифровка
Вариант MAI-Transcribe-2-Streaming переводит речь в текст в реальном времени с задержкой около 128 мс.
- Разделение по говорящим
Модель различает участников записи и приписывает слова нужному человеку.
Кому подойдёт
- Разработчики
Подключают распознавание речи в свои приложения через API и платформу Foundry.
- Служба поддержки
Расшифровывают звонки с разделением по ролям и анализируют разговоры.
- Видеомонтажёры и видеоблогеры
Получают субтитры с точными метками времени по каждому слову.
- Аналитики
Превращают архивы записей в текст для поиска и анализа.
Как начать
- Открыть MAI Playground и загрузить аудиозапись для пробной расшифровки.
- Для работы из кода подключить модель через Microsoft Foundry или OpenRouter.
- Выбрать нужный вариант: пакетная расшифровка для готовых записей или потоковая для живой речи.
- Задать стиль вывода, список ключевых слов и включить разделение по говорящим.
Тарифы
Цена $0,10 за час действует как вводное предложение до конца года.
Платформы и интеграции
Соседи по смыслу
за последний месяц