MAI-Transcribe-2 (preview) vs. Muse Voice Transcribe

Volver a Modelos

MAI-Transcribe-2 (preview) vs Muse Voice Transcribe

2 modelos comparados en el mismo benchmark — precisión, latencia, precio, cobertura de idiomas y capacidades. MAI-Transcribe-2 (preview) lidera en precisión; Muse Voice Transcribe es el más rápido; MAI-Transcribe-2 (preview) cubre más idiomas; MAI-Transcribe-2 (preview) es el más económico.

Abrir ambos en el playground

Veredicto · quién gana qué

Más preciso

MAI-Transcribe-2 (preview)

7.8% WER

Microsoft Azure

Más rápido

Muse Voice Transcribe

1.0× en tiempo real

Meta

Más idiomas

MAI-Transcribe-2 (preview)

59 idiomas

Microsoft Azure

Más económico

MAI-Transcribe-2 (preview)

$0.0017/min

Microsoft Azure

Comparando

2 modelos · mismo benchmark

1

Por lotes

MAI-Transcribe-2 (preview)

Microsoft Azure

$0.0017/min

#1 · 89.9

Microsoft MAI-Transcribe-2 — el modelo de transcripción propio de Microsoft AI, en versión preliminar pública en Azure Speech. 60 idiomas con detección automática del idioma y cambio de idioma a mitad de frase, diarización de hablantes, marcas de tiempo por palabra y vocabulario personalizado. Acepta WAV, MP3 y FLAC.

Usar Este Modelo Detalles →

2

Por lotes

Muse Voice Transcribe

Meta

$0.0030/min

Meta Muse Voice Transcribe para audio WAV por lotes, con marcas de tiempo por turno, diarización de hablantes y detección de idioma.

Usar Este Modelo Detalles →

Resumen

Promedio de benchmark 30 días

Puntuación general

0–100

89.9

61.8

Ranking de precisión

de 37

#1

—

Tasa de error de palabras

WER

7.8%

14.2%

Tasa de error de caracteres

CER

6.1%

10.9%

Tasa de error de coincidencia

MER

7.0%

13.2%

Información de palabras perdida

WIL

10.2%

18.6%

Idiomas

59

25

Coste vs. precisión

WER general vs precio

MAI-Transcribe-2 (preview)

grupo · 36 modelos

abajo a la izquierda es mejor

Precisión por categoría

WER · menor es mejor

code_switching

16.4%

19.8%

conversational

5.2%

10.5%

finance

7.1%

Precisión por acento

WER · inglés

african

24.6%

26.2%

australian

3.1%

18.5%

indian

9.5%

Velocidad y latencia

p50 → p99

Velocidad de procesamiento

× tiempo real

—

1.0×

Latencia p50

912ms

8.4s

Latencia p90

946ms

8.4s

Tiempo real / streaming

Promedios del benchmark en streaming

Ranking en tiempo real

—

—

Puntuación en tiempo real

0–100

—

—

Tiempo hasta la primera palabra

—

—

Vaciado final

—

—

Factor de tiempo real

—

—

Parpadeo

—

—

Cadencia

—

—

Fiabilidad

Últimos 30 días

Disponibilidad

94.44%

100.00%

Tasa de error

5.56%

0.00%

Precios

facturado por segundo

Tarifa

por minuto

$0.0017

$0.0030

Granularidad de facturación

per 1s

per 1s

1 hora de audio

$0.10

$0.18

100 horas

Capacidades

Soporte de características

Diarización de hablantes

Yes

Yes

Marcas de tiempo por palabra

Yes

No

Cambio de código

Yes

Cobertura y despliegue

Idiomas · formatos · regiones

Idiomas

59

25

Modo

Por lotes

Por lotes

Región

Estados Unidos

—

Formatos de audio

wav

mp3

flac

wav