Microsoft AI: MAI-Transcribe 1.5
Microsoft AI MAI-Transcribe 1.5 muuntaa tallennetun puheen tekstiksi 43 kielellä automaattisella kielentunnistuksella ja painotuksella aksentteihin ja meluisaan ääneen. Sen mallikortti kuvaa alakohtaiset avainsanavihjeet nimiä ja erikoistermejä varten. Käytä litterointia tarkistettujen muistiinpanojen tai tekstitysten pohjana.
Tietoa mallista
Tämä kuvaus kattaa mallin ominaisuudet. Ailootissa saatavilla olevat syötteet, tulosteet ja asetukset luetellaan alla valitulle menetelmälle.
Microsoft AI MAI-Transcribe 1.5 on puheentunnistusmalli tallennetun äänen muuntamiseen kirjalliseksi sisällöksi. Sen tarkka mallikortti kuvaa tunnistuksen 43 kielellä, automaattisen kielentunnistuksen ja kestävyyden eri aksenteissa, murteissa, puhetyyleissä ja meluisissa oloissa. Versio laajentaa MAI-Transcribe 1:n 25 kielen joukkoa kahdeksallatoista kielellä. Hyödyllinen tulos on luennon, haastattelun, puhelun tai äänimuistiinpanon kirjallinen puhe valmiina tarkistettavaksi tallennetta vasten ennen myöhempää muokkaus- tai analyysivaihetta.
Valmistele kokonainen, ymmärrettävä tallenne jossakin valmistajan luettelemista muodoista: WAV, MP3 tai FLAC. Säilytä alkuperäinen tiedosto ja mahdollinen osiin jako, jotta litterointia voidaan verrata ääneen. Säilytä luennossa teknistä termiä ympäröivät ilmaukset sen sijaan, että poimisit vain vaikean sanan. Säilytä äänimuistiinpanossa nimen, ajan tai numeron muuttava korjaus. Ympäröivä puhe tarjoaa kontekstia sanotun tunnistamiseen, ja kuulijan tarkistus voi yksilöidä tulosteen korjausta tarvitsevat kohdat.
Automaattinen kielentunnistus mahdollistaa tallenteen käsittelyn ilman kielen ennakkovalintaa. 43 kielen joukko sisältää englannin, ranskan, saksan, italian, espanjan, hindin, kiinan, japanin, korean, arabian, indonesian, venäjän, thain ja vietnamin. Lisättyihin kieliin kuuluvat bulgaria, katalaani, kreikka, ukraina ja useat Etelä-Aasian kielet. Tarkista tavoitekielen kuuluminen tämän version joukkoon sen sijaan, että lainaisit MAI-Transcribe 2:n laajemman kattavuuden. Säilytä monikielisissä kokoelmissa tallenteen kieli tarkistetun tekstin mukana, jotta myöhempi editointi seuraa varsinaista puhuttua sisältöä.
1.5-mallikortti kuvaa avainsana- tai entiteettivihjeet enintään 200 termillä, ja julkaisu selittää tarkoituksen: tarjota todennäköiset nimet, lyhenteet ja erikoissanat kontekstiksi. Valmistaja kuvaa kontekstivihjeitä eikä annettujen sanojen sokeaa pakottamista tulokseen. Valmistele olennainen sanasto, kuten projektin nimi, tekninen väline tai tallenteessa käsitellyn henkilön oikea kirjoitusasu. Käytä tätä terminologiaa varsinaisen tallenteen kontekstina ja tarkista tunnistetut termit puhetta vasten.
Valmistele tallennettuun tekniikan oppituntiin käsiteltyjen välineiden nimet ja kaikkien projektilyhenteiden tarkka kirjoitusasu. Kirjoita ne rajattuun termiluetteloon ja säilytä luettelo äänen ja litteroinnin rinnalla. Tarkista esiintymät puhuttuja kohtia vasten sen sijaan, että pitäisit sanastomerkintää todisteena osumasta. Samalta kuulostavat nimet voivat edelleen tarvita tarkistusta. Tuloksen tulee säilyttää todella lausutut sanat, mukaan lukien niiden merkitystä muuttava korjaus tai täsmennys.
Valmistaja korostaa suorituskykyä todellisessa äänessä, mukaan lukien taustamelu ja erilaiset mikrofoniolosuhteet. Käytännön tarkistus voi keskittyä samanaikaista puhetta, hiljaisia ääniä tai toisen äänen osittain peittämiä sanoja sisältäviin kohtiin. Pidä epävarmuudet sidottuina vastaavaan äänikohtaan sen sijaan, että täyttäisit ne aiheen oletuksista. Uskottavakin virke voi sisältää väärän erisnimen tai numeron. Puhelulitteroinnin hyödyllinen tuotos on myöhemmän analyysin käytettävissä oleva tarkistettu puhesisällön tietue eikä arvattu kuvaus soittajan aikomuksesta.
Tarkka 1.5-mallikortti ilmoittaa enimmäistiedostokooksi 300 MB ja kestoksi kaksi tuntia. Sen linkitetty synkronisen litteroinnin REST-viite kuvaa tiukemman palvelusyötteen: alle 250 MB ja alle kaksi tuntia. Nämä ovat erikseen ilmoitetut mallikortti- ja rajapintarajat. Valmistele tiedostot tarkoitetun rajapinnan rajojen sisään ja järjestä pidempi aineisto mielekkäiden tallennusrajojen mukaan. Tiedostokokoraja koskee koodattua ääntä, kun taas kestoraja koskee puhetallenteen pituutta; kumpikaan ei määritä tekstimallin konteksti-ikkunaa.
Mallikortin esimerkkituloste on JSON, joka sisältää tallenteen keston ja yhdistetyn tunnistetun tekstin. Tekstistä voi tulla saavutettava litterointi, tekstityskäsikirjoitus tai syöte myöhempään tiivistämiseen ja hakuun. Tekstitysrepliikkien ryhmittely ja kohdistus tallenteeseen ovat erillistä valmistelua, kun tulos ei sisällä tarvittavaa ajoitusdataa. Haastattelutietueissa repliikin kohdistaminen nimetylle osallistujalle tarvitsee erillisen tarkistetun tiedon siitä, kuka puhui. Säilytä tunnistettu sanamuoto ja ääni näiden myöhempien tuotosten pohjana.
Version rajat ovat olennaisia tulosteen suunnittelussa. 1.5-kortti rajaa puhujien erottelun nimenomaisesti tuettujen kykyjen ulkopuolelle, ja valmistajan versiovertailu osoittaa sanatason aikaleimat ja clean/verbatim-tyylisäätimet MAI-Transcribe 2:lle. Natiivi suoratoistomalli on myös erillinen versio. Tämä 1.5-malliversio keskittyy siksi tallenteista tunnistettuun tekstiin ja dokumentoituun alakohtaiseen kontekstiin tekemättä toisen version puhuja-, ajoitus- tai reaaliaikaisen syötteen ominaisuuksista osaa tulosta. Tarkista nimet, numerot, tekniset termit ja epäselvä puhe ennen lainauksen, tekstitysraidan tai johdetun asiakirjan valmistelua.
Ailoot Ultra · Litterointi POST /v1/audio/transcriptions microsoft/mai-transcribe-1.5
microsoft/mai-transcribe-1.5Aloitus
Microsoft AI MAI-Transcribe 1.5 muuntaa tallennetun puheen tekstiksi 43 kielellä automaattisella kielentunnistuksella ja painotuksella aksentteihin ja meluisaan ääneen. Sen mallikortti kuvaa alakohtaiset avainsanavihjeet nimiä ja erikoistermejä varten. Käytä litterointia tarkistettujen muistiinpanojen tai tekstitysten pohjana.
- Hyväksytyt syötteet
- Ääni
- Tulokset
- Teksti
Saatavilla Ailootissa · syötteet & menetelmät
Ailoot Ultra · Litterointi POST /v1/audio/transcriptions
- Syötetyypit
audio- Tulostyypit
text
| Kenttä | Tyyppi | Vaatimus | Arvot & rajat | Oletus |
|---|---|---|---|---|
Kenttämodel | Tyyppistring | VaatimusPakollinen | Arvot & rajat microsoft/mai-transcribe-1.5 | Oletus— |
Kenttäinput_audio | Tyyppiobject | VaatimusPakollinen | Arvot & rajat | Oletus— |
Kenttälanguage | Tyyppistring | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttätemperature | Tyyppinumber | VaatimusValinnainen | Arvot & rajat Vähimmäismäärä: 0 Enimmäismäärä: 1 | Oletus— |
Kenttäresponse_format | Tyyppistring | VaatimusValinnainen | Arvot & rajat json, verbose_json | Oletusjson |
Kenttätimestamp_granularities | Tyyppiarray | VaatimusValinnainen | Arvot & rajat | Oletus— |
Kenttäprovider | Tyyppiobject | VaatimusValinnainen | Arvot & rajat | Oletus— |
Menetelmän parametrit ja elinkaari
| Parametri | Sopimus |
|---|---|
Parametricontent_type | Sopimusapplication/json |
Parametrirequired | Sopimusmodel, input_audio |
Parametrimaterial_types | Sopimusaudio |
Parametrimaterial_conditions | SopimusLue todellinen WAV-tiedosto ja koodaa sen todelliset tavut määriteltyyn JSON input_audio -syötteeseen; tälle täsmälliselle, vain JSON-muotoa käyttävälle määrittelylle ei ilmoiteta multipart-reittiä. |
Elinkaari: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · todellisuudessa palautettu task_id tai mediakirjaston tietue
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Hinnoittelu
Lopullisen veloituksen laskenta
Näytettyjen hintojen avulla arvioidaan kustannukset ennen generointia. Lopullinen veloitus lasketaan alkuperäiselle generoinnille kirjatun kustannuksen perusteella. Lopullisena laskutettavana määränä ei käytetä tulosteen mitattua kestoa eikä ennustettuja määriä.
Hintatiedot eivät lisää pyyntövalintoja. Tuetut parametrit on lueteltu valitulle menetelmälle.
- Nopea tila
- Ei määritetty Kun nopea tila on valittu
- Flex-tila
- Ei määritetty Kun flex-tila on valittu
- Päättelyn enimmäisteho
- Ei määritetty Kun päättelyn enimmäistehoon sovelletaan default-oletussäätöä
Arvioidut vertailuhinnat
Hinnat asetusten mukaan
Kohdista kukin veloitus näytettyihin ehtoihin. Käytä yhtä hintaa kutakin vaihtoehtoisten asetusten ryhmää kohden.
| Asetukset | Hinnasto | Ennustettu määrä | Laskutusyksikkö | Veloitus |
|---|---|---|---|---|
| AsetuksetTokenien perushinnat | HinnastoPerushinta | Ennustettu määrä— | Laskutusyksikkö— | Veloitus Syöte · Syötetokenit · Arvio vain vertailua varten — / 1K tokenia Tuloste · Tulostokenit · Arvio vain vertailua varten — / 1K tokenia Syöte · Välimuistin luku · Arvio vain vertailua varten — / 1K tokenia Syöte · Välimuistiin kirjoitus · Arvio vain vertailua varten — / 1K tokenia Syöte · Välimuistiin kirjoitus, 1 tunti · Arvio vain vertailua varten — / 1K tokenia |
| Asetuksetäänisyötteen tunti | Hinnasto— | Ennustettu määrä— | Laskutusyksikkösyöteäänen tuntia kohden | Veloitus Syöte · äänisyötteen tunti · Arvio vain vertailua varten $0.72 syöteäänen tuntia kohden |
| AsetuksetArvioitu luontikustannus | Hinnasto— | Ennustettu määräyhden generoinnin arvio | Laskutusyksikkö— | Veloitus Tuloste · Arvioidut generointikustannukset · Arvio vain vertailua varten $0.0002 arvio ennen generointia Tämä arvio ei ole lisämaksu eikä valmistuneen generoinnin kiinteä hinta. |
Ailoot varaa arvioidun summan ennen pyyntöä. Tuloksen jälkeen lopullinen veloitus toteutetaan mitatun käytön perusteella. Suoratoiston veloituksessa käytetään lopullista käyttötietuetta. Varauksen ja lopullisen veloituksen toiminta →
Esimerkkipyynnöt
Ailoot Ultra · Litterointi
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
import base64
audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')
if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')
request={'model': 'microsoft/mai-transcribe-1.5', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}
request['input_audio']['data']=base64.b64encode(audio).decode('ascii')
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
Vastaanota ja tallenna tulokset
Ailoot Ultra · Litterointi
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Muut sisällön lukukerrat
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
-H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.
Säilytä kaikki valmistuneet tulokset
Säilytä jokainen kokonainen palautettu vastaus, tiedosto ja sisällön osa.
Säilytä koko vastaus ja otsakkeet, jokainen todellinen tuloste, alkuperäiset palautetut tunnisteet ja kaikki käyttötietokentät. Selvitä alkuperäisen operaation tila lähettämättä luontipyyntöä uudelleen.
Jos alkuperäinen vastaus on tarkistettava
Säilytä palautettu X-Client-Request-ID täsmäytystä varten. Tee lukukyselyt vain todellisuudessa palautetuilla task_id/asset_id-arvoilla tai käytä omistamaasi mediakirjastoa; älä koskaan rakenna tehtävän URL-osoitetta operaation ID:n perusteella äläkä lähetä luontipyyntöä uudelleen.
Vastauksen kentät
| Kenttä | Tyyppi |
|---|---|
Kenttätext | Tyyppi |
Kenttäusage | Tyyppi |
Kenttäsegments[] | Tyyppi |
Kenttäwords[] | Tyyppi |
Kenttäspeaker fields | Tyyppi |
Kenttätimestamps | Tyyppi |
Aliakset
Mallin aliakset
Ailoot Ultra microsoft/mai-transcribe-1.5
Menetelmäpolkujen aliakset
Käytä yllä näytettyjä menetelmäpolkuja.
Liittyvät kutsujan ID:t
FAQ · Microsoft AI: MAI-Transcribe 1.5
- Mitä syötteitä ja tuloksia on saatavilla?
POST /v1/audio/transcriptions·microsoft/mai-transcribe-1.5:audio→text- Mitä kenttiä pyyntö käyttää?
POST /v1/audio/transcriptions·microsoft/mai-transcribe-1.5:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- Mitä rajoja sovelletaan?
POST /v1/audio/transcriptions·microsoft/mai-transcribe-1.5:temperature.minimum:0;temperature.maximum:1