Microsoft AI: MAI-Transcribe 2

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

Bereid de opname voor met het gesproken materiaal intact. De maker vermeldt WAV-, MP3- en FLAC-invoer. Houd de oorspronkelijke audio beschikbaar om onzekere woorden, namen en getallen met de herkende tekst te vergelijken. Een opname kan achtergrondruis of wisselende microfoonkwaliteit bevatten, waarvoor het model is ontworpen, maar de controle moet zich nog steeds richten op onduidelijke of overlappende passages. Behoud bij een interview de volgorde van beurten en pauzes in plaats van de context te verwijderen die een antwoord helpt 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. Code switching omvat natuurlijke veranderingen tussen talen, inclusief mengvormen zoals Hinglish of Spanglish. De interface van de maker accepteert ook één taalhint, die als een sterke instructie wordt beschreven. 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 uit het geluid te onderscheiden kunnen zijn. Bereid een gerichte lijst voor die bij de opname hoort, zoals de projectnaam, een productlijn of technische woorden die in de bespreking worden gebruikt. De uitvoeringsgids beschrijft deze als herkenningshints, geen afgedwongen overeenkomsten. Neem voor een technische lezing de exacte spelling van genoemde instrumenten en specialistische termen op en controleer vervolgens of het transcript ze plaatst waar ze daadwerkelijk werden uitgesproken. Een aangeleverde term bewijst niet dat de spreker die heeft gezegd.

Kies de uitvoerstijl op basis van het beoogde resultaat. Verbatim, de gedocumenteerde standaard, behoudt opvulwoorden, valse starts en zelfcorrecties. Clean verwijdert haperingen voor een leesbaarder transcript. Een verslag waarmee wordt onderzocht hoe een gesprek verliep kan aarzelingen en correcties behouden; een leesbaar lestranscript kan de opgeschoonde formulering gebruiken. Bewaar de oorspronkelijke audio bij beide resultaten. Opschonen verbetert de presentatie van de gesproken tekst en mag niet als afzonderlijke samenvatting of nieuwe interpretatie van de bedoeling van de spreker worden behandeld.

Sprekerdiarisatie scheidt beurten op basis van gedetecteerde spreker en tijdstempels op woordniveau geven voor elk woord een offset en duur. De uitvoeringsinterface biedt ook segmenttijden of geen tijdsaanduidingen. Segmenten worden opgedeeld per taal en, wanneer diarisatie is ingeschakeld, per spreker. Tijdvelden 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 controlestap. Gebruik voor ondertitels gecontroleerde woordtijden om leesbare ondertitelblokken voor te bereiden in plaats van aan te nemen dat het herkenningsresultaat al een voltooid 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 verschillende gepubliceerde grenzen in de modelkaart en voor de uitvoering; bereid een bestand voor binnen de toepasselijke uitvoeringslimiet. De MAI-gids vermeldt ook dat diarisatie kortere opnamen ondersteunt dan transcriptie zonder diarisatie. Orden lang materiaal met meerdere sprekers in samenhangende secties wanneer sprekerstoewijzing nodig is en behoud de positie van elke sectie in de oorspronkelijke opname voor latere controle.

De gedocumenteerde uitvoer bestaat uit gestructureerde transcriptiegegevens: de volledige tekst, frasen en, indien aangevraagd, spreker- en tijdsinformatie. Een frase kan tekst, taal, offset en duur bevatten; woordtijden kunnen een herkend woord aan de audio koppelen. Bewaar voor een doorzoekbaar archief die relaties, zodat een gevonden term terug naar de opname kan leiden. In een vergaderwerkwijze wordt een gecontroleerd transcript invoer voor latere samenvatting of extractie van actiepunten. Het resultaat van het spraakmodel is de herkende inhoud, geen onafhankelijk geverifieerde weergave van de vergaderbesluiten.

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