Microsoft AI: MAI-Transcribe 1.5

Microsoft AI MAI-Transcribe 1.5 is een spraak-naar-tekstmodel om opgenomen audio in geschreven inhoud om te zetten. De exacte modelkaart beschrijft herkenning in 43 talen, automatische taalidentificatie en robuustheid bij uiteenlopende accenten, dialecten, spreekstijlen en rumoerige omstandigheden. De editie breidt de verzameling van 25 talen van MAI-Transcribe 1 uit met achttien talen. Een bruikbaar resultaat is de uitgeschreven spraak van een lezing, interview, telefoongesprek of spraaknotitie, klaar om vóór een latere bewerkings- of analysestap aan de opname te toetsen.

Bereid een volledige, verstaanbare opname voor in een van de formaten die de maker noemt: WAV, MP3 of FLAC. Bewaar het oorspronkelijke bestand en een eventuele verdeling in onderdelen, zodat het transcript met de audio vergeleken kan worden. Behoud bij een lezing de zinnen rond een technische term in plaats van alleen het moeilijke woord eruit te halen. Bewaar bij een spraaknotitie een correctie die een naam, tijdstip of getal verandert. De omringende spraak biedt context om te herkennen wat gezegd werd en de controle door de luisteraar kan aangeven waar de uitvoer correctie nodig heeft.

Automatische taalidentificatie laat een opname verwerken zonder vooraf een taal te hoeven kiezen. De verzameling van 43 talen omvat Engels, Frans, Duits, Italiaans, Spaans, Hindi, Chinees, Japans, Koreaans, Arabisch, Indonesisch, Russisch, Thai en Vietnamees. De toegevoegde talen omvatten Bulgaars, Catalaans, Grieks, Oekraïens en meerdere Zuid-Aziatische talen. Controleer of de beoogde taal tot de verzameling van deze editie behoort in plaats van de ruimere dekking van MAI-Transcribe 2 over te nemen. Bewaar voor meertalige verzamelingen de taal van de opname bij de gecontroleerde tekst, zodat verdere bewerking de werkelijke gesproken inhoud volgt.

De modelkaart van 1.5 beschrijft trefwoord- of entiteitsturing met maximaal 200 termen en de release legt het doel uit: waarschijnlijke namen, afkortingen en specialistische woorden als context beschikbaar maken. De maker beschrijft contextuele aanwijzingen in plaats van aangeleverde woorden blind in het resultaat af te dwingen. Bereid relevante woordenschat voor, zoals de projectnaam, een technisch instrument of de juiste spelling van een persoon die in de opname besproken wordt. Gebruik die terminologie als context voor de werkelijke opname en toets de herkende termen aan de spraak.

Bereid voor een opgenomen technische les de namen van de besproken instrumenten en de exacte spelling van eventuele projectafkortingen voor. Schrijf hun exacte spelling in een gerichte terminologielijst en bewaar die lijst bij de audio en het transcript. Toets die voorkomens aan de gesproken passages in plaats van een woordenschatitem als bewijs voor een overeenkomst te behandelen. Namen die op elkaar lijken kunnen nog steeds controle nodig hebben. Het resultaat moet de werkelijk uitgesproken woorden behouden, inclusief een correctie of nuancering die hun betekenis verandert.

De fabrikant benadrukt prestaties op audio uit de praktijk, inclusief achtergrondgeluid en uiteenlopende microfoonomstandigheden. Praktische controle kan zich richten op passages met gelijktijdige spraak, zwakke stemmen of woorden die deels door een ander geluid bedekt worden. Houd onzekerheden gekoppeld aan de overeenkomstige audiopassage in plaats van ze vanuit aannames over het onderwerp aan te vullen. Een aannemelijke zin kan nog steeds de verkeerde eigennaam of het verkeerde getal bevatten. Voor een telefoongesprekstranscript is het bruikbare resultaat een gecontroleerde registratie van de gesproken inhoud die een latere analyse kan gebruiken, geen gegokt verslag van de bedoeling van de beller.

De exacte modelkaart van 1.5 vermeldt een maximale bestandsgrootte van 300 MB en twee uur. De gekoppelde REST-referentie voor synchrone transcriptie beschrijft een strengere interface-invoer: kleiner dan 250 MB en korter dan twee uur. Dit zijn afzonderlijk vermelde limieten van de modelkaart en de interface. Bereid bestanden voor binnen de limiet van de beoogde interface en verdeel langer materiaal op betekenisvolle opnamegrenzen. Een bestandsgroottelimiet betreft de gecodeerde audio, terwijl de duurlimiet de lengte van de spraakopname betreft; geen van beide definieert een contextvenster van een tekstmodel.

De voorbeelduitvoer van de modelkaart is JSON met de opnameduur en de gecombineerde herkende tekst. De tekst kan een toegankelijk transcript, een script voor ondertitels of invoer voor latere samenvatting en zoekfuncties worden. Het groeperen van ondertitelregels en uitlijnen met de opname is afzonderlijke voorbereiding wanneer het resultaat niet de vereiste timinggegevens bevat. Voor interviewverslagen vraagt de toeschrijving van een regel aan een benoemde deelnemer een afzonderlijke gecontroleerde registratie van wie sprak. Bewaar de herkende formulering en de audio als basis voor die latere resultaten.

De grenzen van de editie zijn van belang bij het plannen van de uitvoer. De kaart van 1.5 plaatst sprekerdiarisatie expliciet buiten de ondersteunde mogelijkheden en de versievergelijking van de maker kent tijdstempels op woordniveau en stijlregelaars voor clean/verbatim aan MAI-Transcribe 2 toe. Een ingebouwd streamingmodel is ook een afzonderlijke editie. Dit profiel 1.5 richt zich daarom op herkende tekst uit opnamen en de gedocumenteerde domeincontext, zonder de spreker-, timing- of live-invoerfuncties van een andere editie onderdeel van het resultaat te maken. Controleer namen, getallen, technische termen en onduidelijke spraak voordat u een geciteerde passage, ondertitelspoor of afgeleid document voorbereidt.