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。 MAI-Transcribe-2 は、大きなオーディオ ファイルをすぐに使用可能なテキストに変換することを目的としています。 Microsoft は、多言語認識とダイアライゼーション、単語レベルのタイムスタンプ、自動言語検出を組み合わせて、トランスクリプトでつなぎ言葉を保持するか、よりクリーンな散文を返すかを制御します。

引用されたプロバイダーの資料によると、MAI-Transcribe-2 は 2026年9月3日 でリリースされました。

Microsoft Foundry を通じてバッチおよび長文音声認識を利用できます。 このガイドに記載されているアクセスルートは Microsoft AI、Microsoft Foundry です。

期間限定プレビュー料金の場合、音声 1 時間あたり $0.10. Microsoft では、これを期間限定価格としてラベル付けします。継続的な生産コストを予測する前に、Foundry のライブ カタログを確認してください。

Microsoft Foundry を通じてバッチおよび長文音声認識を利用できます。 デプロイの可用性は、ライブ Microsoft Foundry モデル カタログとお客様が選択した Azure リージョンに従います。

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。 このポリシーはプロバイダーのルートとアカウントの条件に属しているため、運用環境で使用する前に再度確認してください。