音声認識と文字起こし に戻る
機種比較
MAI-Transcribe-2 vs Scribe v2
Compare MAI-Transcribe-2 and Scribe v2 using the same provider-sourced 音声認識と文字起こし rubric.謎のスコアや発明されたベンチマークランキングはありません。
事実確認済み 2026年9月4日
コストを見積もる
利用量を入力すると、見積もりが自動で更新されます。
録音時間を時間単位で入力します。30分＝0.5時間です。追加機能や最低料金で請求額が変わる場合があります。
見積もりの仕組み
税金、ツール、キャッシュ保存・書き込み、無料枠、個別割引は含みません。画像は出力料金のみで、プロンプトや参照画像の料金は含みません。品質モードはモデルごとに異なります。未掲載の設定を無料とは扱いません。
| モデル | アクセス | 合計見積額（USD） |
|---|---|---|
| MAI-Transcribe-2Microsoft | Microsoft | 確認済み料金なし |
| Scribe v2ElevenLabs | ElevenLabs | 確認済み料金なし |
クイックテイク
MAI-Transcribe-2
Microsoft の高速バッチ文字起こしモデルは、長時間の録音、話者ラベル、単語のタイミング、キーワードのバイアス、クリーンなトランスクリプトまたは逐語的なトランスクリプトに対応します。
こんな方に最適
- 大容量の通話と会議の録音
- 話者と言葉のタイミングが必要なメディア アーカイブ
- マネージド文字起こしモデルを必要とする Azure チーム
気をつけてください
Microsoft の 1 時間/約 10 秒という数字はプロバイダーの主張であり、保証された SLA ではありません。独自のオーディオのベンチマークを行い、プレビュー後の価格、導入地域、クォータ、保持構成を確認します。
Scribe v2
ElevenLabs の多言語音声テキスト変換モデル。多数の話者、単語のタイミング、音声イベント、および大規模なカスタム キーターム リストによる詳細なトランスクリプトを作成します。
こんな方に最適
- 多言語メディアの文字起こし
- 多数のスピーカーまたはサウンドイベントによる録音
- オーディオ スタックはすでに ElevenLabs を使用しています
気をつけてください
バッチとリアルタイムが同じルートまたは価格であると想定しないでください。ゼロデータ保持は自動ではなく条件付きであるため、機密オーディオを処理する前に、プラン、エンドポイント、リージョン、およびenable_loggingの動作を確認してください。
公表された事実を比較する
MAI-Transcribe-2 vs Scribe v2
値には、各プロバイダーが独自に公開している単位と制限が使用されます。空白は、プロバイダーがレビューされた情報源で直接比較可能な値を公開していないことを意味します。
| 音声認識と文字起こし | MAI-Transcribe-2 | Scribe v2 |
|---|---|---|
| 転写価格リストされた処理ルートの音声時間または分あたりの現在のプロバイダーの料金。 | $0.10 / オーディオ時間の期間限定料金 | $0.22/音声時間。リアルタイムは別途記載 |
| ライブまたはバッチモデルがリアルタイム ストリーム、アップロードされた録画、またはその両方を処理するかどうか。 | 高速バッチおよび長文の文字起こし | バッチおよび長い音声。別のリアルタイムルート |
| 言語プロバイダーが公開する言語のカバレッジ。必要に応じて、トレーニングまたは宣伝されたカバレッジを、特別に検証された言語から分離します。 | 60の言語 | 90以上の言語 |
| スピーカーラベルモデルが誰が発言したか、および公開されている発言者の制限を識別するかどうか。 | はい | 最大 32 個のスピーカー |
| タイムスタンプ利用可能な単語、セグメント、または発話レベルのタイミング情報。 | ワードレベルのタイムスタンプ | ワードレベルのタイムスタンプ |
| 語彙コントロールキーワードブースティング、カスタムスペル、コンテキスト、プロンプト、またはドメイン用語を改善するその他の方法。 | キーワードバイアス、クリーン/逐語的な出力、自動言語検出 | 最大 1,000 個のキーワード。オーディオタグと言語検出 |
| どこで使用するかプロバイダーによって文書化されたダイレクト API、クラウド カタログ、アプリケーション、または地域のエンドポイント。 | Microsoft Foundry / アズール | ElevenLabs Speech-to-Text API |
選び方
誇大宣伝ではなく、仕事を比較してください。
完了する必要があるジョブから始めて、正確なプロバイダー ルートのコスト、アクセス、ポリシーの詳細を検証します。
MAI-Transcribe-2
Microsoft によれば、Foundry Models に送信されたプロンプト、出力、埋め込み、トレーニング データはモデル プロバイダーには利用できず、許可なく基盤モデルのトレーニングに使用されることはありません。保持および不正行為の監視の詳細は、デプロイされたサービスによって異なります。
Scribe v2
ElevenLabs を使用すると、対象となる API 顧客がデータ使用設定を管理できます。 Enable_logging=false によるゼロデータ保持は、Scribe v2 を含む、対象となるエンタープライズ構成およびサポートされているモデルに限定されます。ライブ プランとリージョン エンドポイントを確認します。
プロバイダーと API のリンク
よくある質問
MAI-Transcribe-2 と Scribe v2 のよくある質問
MAI-Transcribe-2 と Scribe v2 の主な違いは何ですか?
MAI-Transcribe-2: Microsoft の高速バッチ文字起こしモデルは、長時間の録音、話者ラベル、単語のタイミング、キーワードのバイアス、クリーンなトランスクリプトまたは逐語的なトランスクリプトに対応します。 Scribe v2: ElevenLabs の多言語音声テキスト変換モデル。多数の話者、単語のタイミング、音声イベント、および大規模なカスタム キーターム リストによる詳細なトランスクリプトを作成します。
MAI-Transcribe-2 または Scribe v2 を選択する必要がありますか?
優先順位が 大容量の通話と会議の録音 の場合は、MAI-Transcribe-2 を検討してください。優先順位が 多言語メディアの文字起こし の場合は、Scribe v2 を検討してください。 Test both with your own data and provider route before committing.
これは MAI-Transcribe-2 と Scribe v2 の比較は Cody ベンチマークに基づいていますか?
いいえ。この比較は、プロバイダーが公開した 音声認識と文字起こし カテゴリの事実を一致させます。普遍的な勝者を主張したり、互換性のないサードパーティのベンチマーク スコアを組み合わせたりするものではありません。