Microsoft AI: MAI-Transcribe 1.5

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

Bereid een volledige, verstaanbare opname voor in een van de door de maker vermelde formaten: WAV, MP3 of FLAC. Bewaar het oorspronkelijke bestand en eventuele opdeling in secties, zodat het transcript met de audio kan worden vergeleken. Behoud bij een lezing de zinsdelen rond een technische term in plaats van alleen het moeilijke woord te isoleren. Behoud bij een spraaknotitie een correctie die een naam, tijdstip of getal verandert. De omringende spraak levert context om te herkennen wat er is gezegd en de controle door een luisteraar kan aanwijzen waar de uitvoer correctie nodig heeft.

Automatische taalherkenning maakt verwerking van een opname mogelijk 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 bedoelde taal tot de verzameling van deze editie behoort in plaats van de bredere dekking van MAI-Transcribe 2 over te nemen. Bewaar voor meertalige verzamelingen de taal van de opname bij de gecontroleerde tekst, zodat latere bewerking de daadwerkelijke gesproken inhoud volgt.

De modelkaart van 1.5 beschrijft trefwoord- of entiteitssturing met maximaal 200 termen en de release legt het doel uit: waarschijnlijke namen, acroniemen en specialistische woorden als context beschikbaar maken. De maker beschrijft contextuele hints in plaats van aangeleverde woorden blind in het resultaat af te dwingen. Bereid een relevante woordenschat voor, zoals de projectnaam, een technisch instrument of de correcte spelling van een persoon die in de opname wordt besproken. Gebruik die terminologie als context voor de daadwerkelijke 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 projectacroniemen voor. Schrijf hun exacte spelling op in een gerichte terminologielijst en bewaar de lijst naast de audio en het transcript. Toets de vindplaatsen aan de gesproken passages in plaats van een vermelding in de woordenlijst als bewijs van een overeenkomst te behandelen. Namen die op elkaar lijken kunnen nog steeds controle nodig hebben. Het resultaat moet de daadwerkelijk gesproken woorden behouden, inclusief een correctie of kwalificatie die hun betekenis verandert.

De fabrikant benadrukt prestaties op audio uit de praktijk, inclusief achtergrondruis en uiteenlopende microfoonomstandigheden. Praktische controle kan zich richten op passages met gelijktijdige spraak, zachte stemmen of woorden die gedeeltelijk door een ander geluid worden bedekt. Houd onzekerheden gekoppeld aan de bijbehorende audiopassage in plaats van ze op te vullen met aannames over het onderwerp. Een plausibele zin kan nog steeds een verkeerde eigennaam of een verkeerd getal bevatten. Voor een gesprekstranscript is het nuttige resultaat een gecontroleerde vastlegging van de gesproken inhoud die een latere analyse kan gebruiken, in plaats van een geraden weergave van de bedoeling van de beller.

De exacte modelkaart van 1.5 vermeldt een maximale bestandsgrootte van 300 MB en twee uur. De gekoppelde synchrone REST-referentie voor transcriptie beschrijft strengere uitvoeringsinvoer: kleiner dan 250 MB en korter dan twee uur. Dit zijn afzonderlijk vermelde grenzen van modelkaart en interface. Bereid bestanden voor binnen de limiet van de beoogde interface en orden 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, script voor ondertitels of invoer voor latere samenvatting en zoeken worden. Het groeperen van ondertitelblokken en uitlijnen met de opname zijn afzonderlijke voorbereidingsstappen wanneer het resultaat niet de vereiste tijdgegevens bevat. Bij interviewverslagen vereist het toeschrijven van een regel aan een genoemde deelnemer een afzonderlijk gecontroleerd record van wie sprak. Bewaar de herkende bewoording en de audio als basis voor die latere resultaten.

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