MAI-Transcribe 2 — это многоязычная модель преобразования речи в текст от Microsoft AI, занявшая 1-е место в многоязычном тесте FLEURS. Она поддерживает 60 языков, автоматическое определение языка, переключение кодов в речи на нескольких языках, диаризацию говорящих, временные метки на уровне слов, повышение приоритета ключевых слов для терминологии в специализированных областях, а также настраиваемые стили транскрибирования дословно или с очисткой текста. Модель подходит для создания субтитров, транскрибирования звонков, обеспечения доступности и других приложений с голосовым управлением, а при работе с длинными аудиозаписями работает быстрее, чем MAI-Transcribe-1.5.
В API ВЕГА задайте responseformat значение "verbosejson", чтобы получить временные метки сегментов, и добавьте timestampgranularities: ["word"], чтобы получить временные метки на уровне слов. Чтобы добавить метки говорящих, задайте для provider.options.azure.diarization.enabled значение true; передавайте ключевые слова через provider.options.azure.phraseList.phrases, а стиль транскрибирования выбирайте через provider.options.azure.enhancedMode.modelOptions.transcribeStyle. См. руководство по преобразованию речи в текстОткрывается в новой вкладке.
API ВЕГА# Запрос к API ВЕГА через microsoft/mai-transcribe-2
curl https://api.vega.chat/api/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer $VEGA_API_KEY" \
-d '{
"model": "microsoft/mai-transcribe-2",
"messages": [
{ "role": "user", "content": "Hello!" }
]
}'