MAI Transcribe 2 Streaming: transcripción de voz en tiempo real de Microsoft
MAI Transcribe 2 Streaming es el primer modelo de transcripción en streaming de Microsoft. Convierte voz en texto mientras la persona habla y está pensado para centros de llamadas, asistentes de voz y subtítulos en directo de reuniones y clases.
El modelo entrega resultados parciales que se actualizan mientras la persona habla y resultados finales que confirman cada segmento. Reconoce 60 idiomas con detección automática y continua del idioma, y Microsoft indica que los primeros resultados llegan en poco más de 100 milisegundos.
Se accede a través de Microsoft Foundry, MAI Playground, Vercel y Azure Voice Live, con una conexión WebSocket compatible con la API Realtime de OpenAI o con el SDK de Azure Speech. Está en versión preliminar pública, sin acuerdo de nivel de servicio. El precio de lanzamiento es de 0.54 dólares por hora de audio hasta final de año.
Entre sus límites, cada sesión dura como máximo una hora, el audio debe llegar en PCM16 mono a 16 o 24 kHz y no incluye detección de turnos ni reducción de ruido. El código es cerrado.
Convierte grabaciones, reuniones e ideas habladas en notas y resúmenes editables para ahorrar tiempo a estudiantes, profesionales y equipos que trabajan sin teclado.
hace 5 meses · 6 vistas
Convierte grabaciones, reuniones e ideas habladas en notas y resúmenes editables para ahorrar tiempo a estudiantes, profesionales y equipos que trabajan sin teclado.
