价格屠夫来了

微软推出了MAI-2语音转文字模型, 其上市时的价格限定为每小时仅0.10美元, 换算折合成人民币, 大约是0.67元。这个价格会一直优惠, 直至2026年年底, 对于那些有转录需求的企业以及个人而言, 极具吸引力。

过去主流转录工具的价钱远比这里高, 好多企业或者自由职业者, 每月单单转录费用就得花数百竟然乃至上千元。MAI – 2的现身直接冲破了这个行业的价格上限, 使得高质量转录变成能够轻易做到的。

准确率碾压同行

在官方所进行的测试期间, MAI – 2的平均词错误率仅仅是5.2% , 这一数据指示着将近95%的相关内容能够被精准地识别出来。与之相对比的情况下, 竞品类工具在相同款测试里的数据之间的差距是十分显著的。3.1 Pro所呈现的两个结果分别是5.3%以及5.8% , GPT所对应的比率为10.4%和10.6% , 而v3 – Large的比率更是高达22.8%以及23.5%。

数据直观地呈现出了MAI-2的技术优势, 对于那些有着需要高准确程度转录需求的用户而言, 更低的错误比率意味着更少一些的人工校对成本, 这样能大幅度节省工作时间。

处理速度快十倍

微软引用评测数据表明, MAI-2的处理速度相较于GPT快了10倍, 相较于v2快了7倍, 相较于3.5快了5倍, 这意味着原本得等待一小时才能完成的音频转录, 现今只需几分钟就能得出结果。

需要大量音频素材处理的工作场景, 特别适合具备快速处理能力的情况。记者能够把采访录音迅速转变为文字来开展稿件撰写工作, 对于会议记录尚可实现实时生成, 如此便不会致使工作流程被拖慢。

说话人分离实用

MAI – 2增添了说话人分离功能, 能够于同一段录音里头分辨出各异的发言人, 并且把对应的文字依照各自的说话人名目予以归类。此功能针对访谈节目而言极为有用, 针对会议记录来说颇为有用, 针对法庭转录来讲很是有用。

能够配合逐词时间戳功能, 每个词都能够被标注出精确的时间位置, 借助这个可方便进行快速定位、检索以及导航操作的功能指引。字幕制作人员在对该精准化功能指引了解后利于将音频与文字做到精准对齐，这样一来能使整个编辑效率得到大幅提升。

多种模式可选

模型给出了能够进行配置的转写风格, 用户能够依照实际需求挑选适宜的方式, raw模式留存声音里的语气词以及说话时出现的不经意的口误, 这种模式契合合规审查以及语言分析的场景, clean模式会把其干扰信息给去除掉, 所生成的文字更便于阅览, 适合来创作字幕。笔记抑或是正式发行文本标点。

此外, 还对关键词偏置予以支持, 对自动语言识别予以支持, 对语言切换予以支持, 对噪声环境下的转写予以支持。不管录音环境嘈杂与否, 不管对话中使用多种语言与否, 模型都能够准确识别, 并且能够准确处理。

支持六十种语言

有一款名为MAI-2 的, 它对多达60种语言予以支持, 并且此种情况下能够自动识别自然状态下实现自然混用状况呈现多样的此类多语言对话, 不过面对这样情况用户并不具备非要提前指定语言相关类型的必要。开发者能够凭借像是Azure、MAI平台等那般的渠道去调用或者进行试用该相关模型, 而且这种情形下技术门槛相对来说处于较低水平。

对于跨国企业, 以及国际化媒体团队, 还有多语言研究项目而言, 这一功能尤为适配。全球化程度不断加深之际, 多语言转录存在持续增长的需求, 而MAI – 2的覆盖面恰好契合了这一趋势。

针对微软所推出的这款语音转而呈文字的全新模型, 你持有怎样的看法? 你认为它是否能够在你的工作里发挥作用? 欢迎于评论区域呈现你的想法观点, 同时, 也千万不要忘记去点赞, 并且转发给有需求的朋友们！