MAI-Transcribe-1

概要

MAI-Transcribe-1は実世界の音声向けに設計されたMicrosoftの多言語S2Tモデル。25言語で最高クラスの精度、ノイズが多い環境での頑健性、バッチ書き起こしの高速化、1時間あたり0.36ドルのコスト設計を特徴とします。

主な強み

• 25言語での高精度
• ノイズ耐性の高い実世界音声対応
• バッチ処理の2.5x高速化
• 費用対効果の高い価格設定

想定ユースケース

• ボイスアシスタント、会議の議事録、コールセンター分析などの本番環境

競合動向

• Scribe v2/Whisper-large-v3 を実際に上回る可能性に注目