MAI Transcribe 2 API — звонки, диаризация и цена

Контекст: Не указантокенов
Результат: Распознавание речиформат ответа
Стоимость: Тариф уточняетсяусловия — в блоке подключения

ПОДКЛЮЧЕНИЕ

От модели к первому запросу

Используйте идентификатор модели в совместимом API-клиенте. Полные параметры, ключи и ответы с ошибками описаны в документации.

const response = await client.chat.completions.create({
  model: "microsoft/mai-transcribe-2",
  messages: [{ role: "user", content: "Ваш запрос" }],
});

Открыть инструкцию по подключению →

ПОДРОБНЫЙ ОБЗОР

Возможности модели

Microsoft документирует MAI-Transcribe-2 как public preview в Foundry и Speech service. Заявлены 60 языков, speaker diarization, word-level timestamps, automatic language identification, keyword biasing, code switching и режимы clean/verbatim. Поддерживаются WAV, MP3 и FLAC до 300 MB, однако preview не рекомендуется Microsoft для production workload без учёта ограничений и SLA. Для `microsoft/mai-transcribe-2` в Tokenmost проверяются загрузка файла или URL, максимальная длительность, языковые hints, количество говорящих, timestamps, profanity/formatting, режим clean или verbatim, response schema, хранение, usage и цена. Предел upstream-файла не гарантирует тот же лимит прокси. Тестовый набор включает продажи, поддержку, перебивания, номера заказов, русско-английские термины и тишину. Метрики разделяются: word error rate, точность говорящих, временных меток, чисел и обязательств оператора.

Очистите данные до отправки

Получите законное основание для обработки записи, ограничьте доступ и задайте срок хранения. По возможности удалите платёжные реквизиты и лишние персональные данные до внешнего API. Файл получает внутренний ID; ключи и данные клиента не попадают в имя объекта или prompt.

Настройте словарь и режим текста

Передайте названия продуктов, городов и частые сокращения через поддерживаемый keyword biasing. Для контроля качества сохраните verbatim, а clean-версию создавайте как производное представление. Не разрешайте очистке удалять отрицание, сумму или обещанный срок.

Проверьте диаризацию и время

Сверьте начала разговора, перебивания, перевод на другого сотрудника и длинные паузы. Ошибка speaker label может приписать обещание клиенту. Word timestamps используйте для перехода к аудио, но храните исходные границы и не обрезайте доказательный контекст.

Выделяйте факты после транскрибации

Суммаризация, тема и контроль скрипта работают поверх проверенного текста. Для сумм, адресов и согласий показывайте цитату с аудио, а не только вывод классификатора. Низкая уверенность отправляет звонок на ручную проверку и не создаёт автоматическое взыскание или санкцию.

Считайте стоимость проверенного звонка

В бюджет входят длительность, повторы, хранение, редактура и последующая аналитика. Сравнивайте долю звонков без критических ошибок, точность спикеров и цену принятой минуты. Перед массовой очередью подтвердите единицу usage, rate limit и текущий тариф Tokenmost.

Вопросы и ответы

Есть ли speaker diarization?

Да, Microsoft заявляет diarization; формат меток маршрута Tokenmost проверяется.

Какие языки поддерживаются?

Upstream указывает 60 языков и automatic language identification.

Что выбрать: clean или verbatim?

Для аудита сохраняйте verbatim, а clean используйте как удобную производную версию.

Можно ли загружать MP3?

Microsoft перечисляет WAV, MP3 и FLAC; лимиты Tokenmost подтверждаются preflight.

Как оценить цену?

По длительности, повторам, хранению и ручной проверке звонков с критичными данными.