Microsoft AI: MAI-Transcribe 2

Microsoft AI MAI-Transcribe 2 is de spraak-naar-teksteditie voor opgenomen audio uit de tweede generatie van de transcriptiefamilie van Microsoft. Het zet gesproken inhoud om in geschreven tekst in 60 talen, met automatische taalidentificatie en ondersteuning voor spraak die tussen talen wisselt. Het model voegt sprekerdiarisatie, timing op woordniveau en selecteerbare transcriptiestijlen toe. Bruikbare resultaten zijn een vergaderingstranscript met sprekervermelding, een doorzoekbaar interviewverslag, gegevens voor ondertiteluitlijning of gecontroleerd dicteerwerk met specialistische terminologie.

Bereid de opname voor met behoud van het gesproken materiaal. De maker noemt WAV, MP3 en FLAC als invoer. Houd de oorspronkelijke audio beschikbaar om onzekere woorden, namen en getallen met de herkende tekst te vergelijken. Een opname kan achtergrondgeluid of wisselende microfoonkwaliteit bevatten, waarmee het model ontworpen is om om te gaan; de controle moet zich toch op onduidelijke of overlappende passages richten. Behoud voor een interview de opeenvolging van beurten en pauzes in plaats van context weg te halen die helpt een antwoord te interpreteren.

Automatische taaldetectie is nuttig wanneer de taal vooraf niet bekend is. De gedocumenteerde verzameling van 60 talen omvat Engels, Russisch, Chinees, Japans, Koreaans, Arabisch, Frans, Duits, Spaans, Indonesisch, Maleis, Thai en Vietnamees. Taalwisselingen omvatten natuurlijke overgangen tussen talen, inclusief mengvormen zoals Hinglish of Spanglish. De interface van de maker aanvaardt ook één taalaanwijzing, die als een sterke instructie beschreven wordt. Gebruik die alleen wanneer de opname daadwerkelijk in de opgegeven taal is in plaats van een meertalig gesprek in één verwachte taal te dwingen.

Trefwoordsturing levert domeinspecifieke termen, afkortingen, productnamen en eigennamen aan die anders moeilijk van de klank te onderscheiden kunnen zijn. Bereid een gerichte lijst voor die met de opname samenhangt, zoals de projectnaam, een productlijn of technische woorden uit de bespreking. De bedieningsgids beschrijft die als herkenningsaanwijzingen, niet als afgedwongen overeenkomsten. Voeg voor een technische lezing de exacte schrijfwijzen van genoemde instrumenten en specialistische termen toe en controleer vervolgens of het transcript ze op de werkelijk uitgesproken plaatsen zet. Een aangeleverde term is geen bewijs dat de spreker hem gezegd heeft.

Kies de uitvoerstijl volgens het beoogde resultaat. Verbatim, de gedocumenteerde standaard, behoudt stopwoorden, afgebroken zinnen en zelfcorrecties. Clean verwijdert haperingen voor een leesbaarder transcript. Een verslag waarmee onderzocht wordt hoe een gesprek verlopen is, kan de aarzeling en correctie behouden; een leesbaar lestranscript kan de opgeschoonde formulering gebruiken. Bewaar de oorspronkelijke audio naast ieder resultaat. Opschonen verbetert de presentatie van de gesproken tekst en mag niet als een afzonderlijke samenvatting of nieuwe interpretatie van de bedoeling van de spreker behandeld worden.

Sprekerdiarisatie scheidt beurten volgens de gedetecteerde spreker en tijdstempels op woordniveau leveren voor ieder woord een beginpositie en duur. De bedieningsinterface biedt ook segmenttiming of geen timing. Segmenten worden op taal verdeeld en, wanneer diarisatie ingeschakeld is, op spreker. Timingvelden gebruiken milliseconden en kunnen navigatie, zoeken en bewerken ondersteunen. De labels onderscheiden gedetecteerde sprekers; een label aan de naam van een deelnemer koppelen is een afzonderlijke beoordelingsstap. Gebruik voor ondertitels gecontroleerde woordtijden om leesbare groepen te maken in plaats van aan te nemen dat het herkenningsresultaat al een afgewerkt ondertitelbestand is.

De modelkaart vermeldt een maximale bestandsgrootte van 300 MB en twee uur. De gekoppelde synchrone REST-referentie voor de gedocumenteerde interface 2025-10-15 vereist daarentegen een bestand kleiner dan 250 MB en korter dan twee uur. Dit zijn afzonderlijke gepubliceerde beperkingen van de modelkaart en de aangeboden interface; bereid een bestand binnen de toepasselijke interfacelimiet voor. De MAI-gids vermeldt ook dat diarisatie kortere opnamen ondersteunt dan transcriptie zonder diarisatie. Verdeel lang materiaal met meerdere sprekers in samenhangende onderdelen wanneer sprekervermelding nodig is en behoud de positie van elk onderdeel in de oorspronkelijke opname voor latere controle.

De gedocumenteerde uitvoer bestaat uit gestructureerde transcriptiegegevens: de volledige tekst, frases en, indien gevraagd, spreker- en timinginformatie. Een frase kan haar tekst, taal, beginpositie en duur bevatten; woordtiming kan een herkend woord aan de audio koppelen. Behoud voor een doorzoekbaar archief die relaties, zodat een gevonden term naar de opname terug kan leiden. In een vergaderproces wordt een gecontroleerd transcript invoer voor latere samenvatting of extractie van actiepunten. Het resultaat van het spraakmodel is de herkende inhoud, geen onafhankelijk geverifieerd verslag van de vergaderbeslissingen.

Het versieverschil is concreet. MAI-Transcribe 1.5 dekt 43 talen, terwijl deze editie 60 talen dekt en de gedocumenteerde diarisatie, woordtijdstempels en regelaars voor clean/verbatim toevoegt. MAI-Transcribe 2 Streaming is een afzonderlijk model voor stapsgewijze realtimetranscriptie met eigen functies; de latentie tot het eerste gedeeltelijke resultaat beschrijft niet deze editie voor opgenomen audio. Toets het transcript aan de audio voor namen, getallen, sprekerbeurten en meertalige passages voordat u het als bron voor ondertitels, citaten of een afgeleid document gebruikt.