Alle Modelle
Microsoft
MAI-Transcribe-2
Das schnelle Batch-Transkriptionsmodell von Microsoft für lange Aufnahmen, Sprecherbezeichnungen, Wort-Timing, Keyword-Bias und saubere oder wörtliche Transkripte.
Übersicht in einfacher englischer Sprache
Was MAI-Transcribe-2 eigentlich ist
MAI-Transcribe-2 zielt darauf ab, große Audiodateien schnell in brauchbaren Text umzuwandeln. Microsoft kombiniert mehrsprachige Erkennung mit Diarisierung, Zeitstempeln auf Wortebene, automatischer Spracherkennung und steuert, ob das Transkript Füllwörter beibehält oder sauberere Prosa zurückgibt.
Der Zugriff erfolgt über Microsoft Foundry, wodurch sich das Modell ideal für Organisationen eignet, die bereits Identitäten, Regionen und Datenkontrollen in Azure verwalten. Der Einführungspreis ist ausdrücklich zeitlich begrenzt, daher sollten Kostenprognosen eine Marge für einen zukünftigen Standardpreis enthalten.
Gute Passform für
- Aufgezeichnete Anrufe und Besprechungen mit hohem Volumen
- Medienarchive, die Sprecher- und Wort-Timing benötigen
- Azure-Teams, die ein verwaltetes Transkriptionsmodell wünschen
Kategorievergleich
Die Fakten, die für die transkription-Modelle wichtig sind
Hierbei handelt es sich um vom Anbieter veröffentlichte Spezifikationen, nicht um Cody-Benchmark-Ergebnisse. Folgen Sie den verlinkten Quellen für aktuelle Grenzwerte und endpunktspezifische Ausnahmen.
- Transkriptionspreis
- Zeitlich begrenzter Preis: 0,10 $/AudiostundeAktueller Anbieterpreis pro Audiostunde oder Minute für den aufgeführten Verarbeitungsweg.
- Live oder Batch
- Schnelle Batch- und Langform-TranskriptionOb das Modell Echtzeit-Streams, hochgeladene Aufzeichnungen oder beides verarbeitet.
- Sprachen
- 60 SprachenVom Anbieter veröffentlichte Sprachabdeckung, die bei Bedarf geschulte oder beworbene Abdeckung von speziell verifizierten Sprachen trennt.
- Lautsprecheretiketten
- JaOb das Modell identifiziert, wer gesprochen hat, und ob ein veröffentlichtes Sprecherlimit vorliegt.
- Zeitstempel
- Zeitstempel auf WortebeneVerfügbare Timing-Informationen auf Wort-, Segment- oder Äußerungsebene.
- Vokabelkontrolle
- Keyword-Biasing, saubere/wörtliche Ausgabe, automatische SpracherkennungKeyword-Boosting, benutzerdefinierte Rechtschreibung, Kontext, Eingabeaufforderungen oder andere Möglichkeiten zur Verbesserung von Domain-Begriffen.
- Wo kann man es verwenden?
- Microsoft Foundry / AzureDirekte API, Cloud-Katalog, Anwendung oder regionaler Endpunkt, dokumentiert vom Anbieter.
Preise und Vergleiche
Kosten schätzen
Geben Sie Ihre Nutzung ein. Die Schätzung wird sofort aktualisiert.
Nutzt die Aufnahmedauer in Stunden: 30 Minuten = 0,5 Stunden. Zusatzfunktionen und Mindestgebühren können die Rechnung ändern.
MAI-Transcribe-2
Microsoft
Geschätzte Summe (USD)
Für die angegebene Nutzung · USD · API-Preis, kein Abonnement
So funktioniert die Schätzung
Schätzungen ohne Steuern, Tools, Cache-Speicherung/-Schreiben, Freikontingente und individuelle Rabatte. Bei Bildern zählt nur die Ausgabe, nicht Prompt oder Referenzbilder. Qualitätsmodi unterscheiden sich. Nicht aufgeführte Einstellungen gelten nicht als kostenlos.
API- und Provider-Zugriff
Wo bekomme ich MAI-Transcribe-2?
Verfügbarkeit
Regionen und Zugriffsphase
Verfügbar über Microsoft Foundry für Batch- und Langform-Spracherkennung.
Die Bereitstellungsverfügbarkeit richtet sich nach dem Live-Modellkatalog Microsoft Foundry und der vom Kunden gewählten Azure-Region.
Überprüfen Sie die Live-VerfügbarkeitDaten und Schulung
Die Route ist wichtig.
Microsoft besagt, dass an Foundry Models übermittelte Eingabeaufforderungen, Ausgaben, Einbettungen und Trainingsdaten für Modellanbieter nicht verfügbar sind und nicht ohne Genehmigung zum Trainieren von Foundation-Modellen verwendet werden. Details zur Aufbewahrung und Missbrauchsüberwachung hängen vom bereitgestellten Dienst ab.
Hierbei handelt es sich um eine prägnante Lektüre des zitierten Anbietermaterials und nicht um eine Rechtsberatung. Ein Drittanbieter-Gateway kann andere Speicher-, Routing-, Schulungs- und Residenzbedingungen haben als die direkte API des Modellherstellers.
Lesen Sie die Richtlinien des AnbietersHäufig gestellte Fragen
MAI-Transcribe-2 FAQ
Was ist MAI-Transcribe-2?
Das schnelle Batch-Transkriptionsmodell von Microsoft für lange Aufnahmen, Sprecherbezeichnungen, Wort-Timing, Keyword-Bias und saubere oder wörtliche Transkripte. MAI-Transcribe-2 zielt darauf ab, große Audiodateien schnell in brauchbaren Text umzuwandeln. Microsoft kombiniert mehrsprachige Erkennung mit Diarisierung, Zeitstempeln auf Wortebene, automatischer Spracherkennung und steuert, ob das Transkript Füllwörter beibehält oder sauberere Prosa zurückgibt.
Wann wurde MAI-Transcribe-2 veröffentlicht?
MAI-Transcribe-2 wurde gemäß den zitierten Anbietermaterialien auf 3. September 2026 veröffentlicht.
Wo kann ich auf MAI-Transcribe-2 zugreifen?
Verfügbar über Microsoft Foundry für Batch- und Langform-Spracherkennung. Die in diesem Handbuch aufgeführten Zugriffsrouten sind Microsoft AI und Microsoft Foundry.
Wie viel kostet MAI-Transcribe-2?
0,10 $/Audiostunde für den zeitlich begrenzten Vorschautarif. Microsoft bezeichnet dies als zeitlich begrenzten Preis. Bestätigen Sie den Live-Foundry-Katalog, bevor Sie nachhaltige Produktionskosten prognostizieren.
Wo ist MAI-Transcribe-2 erhältlich?
Verfügbar über Microsoft Foundry für Batch- und Langform-Spracherkennung. Die Bereitstellungsverfügbarkeit richtet sich nach dem Live-Modellkatalog Microsoft Foundry und der vom Kunden gewählten Azure-Region.
Werden meine MAI-Transcribe-2-API-Daten für das Training verwendet?
Microsoft besagt, dass an Foundry Models übermittelte Eingabeaufforderungen, Ausgaben, Einbettungen und Trainingsdaten für Modellanbieter nicht verfügbar sind und nicht ohne Genehmigung zum Trainieren von Foundation-Modellen verwendet werden. Details zur Aufbewahrung und Missbrauchsüberwachung hängen vom bereitgestellten Dienst ab. Die Richtlinie gehört zu den Routen- und Kontobedingungen des Anbieters. Überprüfen Sie sie daher vor der produktiven Nutzung erneut.
Verwandte Vergleiche
Direktvergleiche
MAI-Transcribe-2 vs Muse Voice Transcribe
Das Streaming-Spracherkennungsmodell von Meta für Live-Untertitel, lange Audioinhalte, viele Sprecher, Code-Switching und domänenbezogene Transkription.
Vollständigen Vergleich öffnenMAI-Transcribe-2 vs Chirp 3
Das allgemeine Sprach-zu-Text-Modell von Google Cloud für Streaming, Datei und kostengünstige dynamische Batch-Transkription in vielen Sprachen und Regionen.
Vollständigen Vergleich öffnenMAI-Transcribe-2 vs Universal-3.5 Pro
Das auf Genauigkeit ausgerichtete Transkriptionsmodell von AssemblyAI für Dateien und Live-Audio mit Code-Umschaltung, Sprecherbezeichnungen, Zeitstempeln und kontextbezogenen Eingabeaufforderungen.
Vollständigen Vergleich öffnenMAI-Transcribe-2 vs Scribe v2
Das mehrsprachige Speech-to-Text-Modell von ElevenLabs für detaillierte Transkripte mit vielen Sprechern, Wortzeit, Audioereignissen und großen benutzerdefinierten Schlüsselbegriffslisten.
Vollständigen Vergleich öffnen
