MAI Transcribe 2 معرفی شد؛ پشتیبانی از فارسی هنوز نیازمند تأیید است
مدل تازه مایکروسافت صوت را در ۶۰ زبان به متن زمانبندیشده تبدیل میکند. طبق گزارش منتشرشده، فارسی هم به این نسخه اضافه شده؛ هرچند صفحه محصول هنوز این مورد را صریحاً تأیید نمیکند.
تهیهشده با کمک هوش مصنوعی از منابع ذکرشده

فهرست مطالب۴ بخش
مایکروسافت مدل MAI Transcribe 2 را برای تبدیل گفتار به متن معرفی کرده است. این مدل از ۶۰ زبان پشتیبانی میکند، گویندگان را از هم تشخیص میدهد و زمان بیان هر کلمه را ثبت میکند. طبق گزارش منتشرشده، زبان فارسی نیز به نسخه تازه اضافه شده است؛ بااینحال، فهرست زبانهای صفحه رسمی در متن منبع دیده نمیشود و پشتیبانی از فارسی هنوز به تأیید مستقیم مایکروسافت نیاز دارد.
#نکات کلیدی
- مایکروسافت از پشتیبانی MAI Transcribe 2 از ۶۰ زبان خبر داده است.
- طبق گزارش منتشرشده، فارسی در نسخه تازه پشتیبانی میشود؛ صفحه رسمی استخراجشده این مورد را صریحاً تأیید نمیکند.
- مدل میتواند گویندگان مختلف را تفکیک کند و برای هر کلمه زمان ثبت کند.
- پردازش گفتار بهصورت زنده یا یکجای فایل کامل امکانپذیر است.
- محیط آزمایشی فایلهای MP3 و WAV تا ۲۵ مگابایت و ۶۰ دقیقه را میپذیرد.
#تبدیل گفتار به متن زمانبندیشده
صفحه معرفی MAI Transcribe 2 این مدل را ابزاری چندزبانه برای تبدیل صوت به متن معرفی میکند. کاربران میتوانند گفتار را هنگام صحبتکردن بهصورت زنده پردازش کنند یا یک فایل صوتی کامل را در حالت Batch در اختیار مدل بگذارند.
تفکیک گویندگان یا Diarization یکی از قابلیتهای داخلی مدل است. اگر چند نفر در یک جلسه یا گفتوگو صحبت کنند، سرویس مشخص میکند هر بخش از متن به کدام گوینده تعلق دارد. ثبت زمان هر کلمه نیز جستوجو در فایل صوتی و تهیه زیرنویس هماهنگ را آسانتر میکند.
طبق گزارش منتشرشده، فارسی در MAI Transcribe 2 به مجموعه زبانهای پشتیبانیشده اضافه شده است. از آنجا که فهرست کامل ۶۰ زبان در متن صفحه رسمی وجود ندارد، فعلاً نمیتوان این ادعا را صرفاً براساس اطلاعات استخراجشده از صفحه محصول تأیید کرد.
#تمرکز بر صدای شلوغ و اصطلاحات تخصصی
مایکروسافت میگوید MAI Transcribe 2 برای کار با نویز پسزمینه، کیفیت متغیر ضبط، لهجهها و گویشهای مختلف و تغییر زبان در میانه صحبت ساخته شده است. این مدل همچنین از «سوگیری دامنهای» پشتیبانی میکند تا اصطلاحات مرتبط با حوزههای تخصصی را بهتر تشخیص دهد.
در صفحه محصول ادعا شده که نسخه MAI Transcribe 2.1 در آزمون FLEURS و میان ۶۰ زبان، نرخ خطای واژه کمتری از چند مدل مطرح تبدیل گفتار به متن داشته است. این نتیجه براساس ارزیابی اعلامشده از سوی خود مایکروسافت است. صفحه محصول نیز ارتباط دقیق نسخه ۲.۱ با MAI Transcribe 2 را توضیح نمیدهد؛ بنابراین نمیتوان نتیجه این بنچمارک را بدون توضیح بیشتر به همه نسخههای مدل یا زبان فارسی تعمیم داد.
#محیط آزمایشی MAI Transcribe 2
مایکروسافت محیطی آزمایشی فراهم کرده است که پس از ورود به حساب کاربری، امکان ضبط صدا یا بارگذاری یک فایل MP3 یا WAV را میدهد. فایل بارگذاریشده میتواند حداکثر ۲۵ مگابایت حجم و ۶۰ دقیقه مدت داشته باشد.
این محیط فقط برای استفاده شخصی و غیرتجاری ارائه شده و طبق شرایط آن، نباید برای فعالیتهای مدرسهای یا کاری استفاده شود. کاربران همچنین باید دستکم ۱۸ سال داشته باشند.
صفحه رسمی تنها به ارائه قیمت تبلیغاتی تا پایان سال اشاره میکند و رقم یا سال دقیق را در متن استخراجشده نشان نمیدهد. به همین دلیل، ادعای هزینه ۰٫۱ دلار برای هر ساعت صوت تا پایان سال ۲۰۲۶ قابل تأیید نیست. ادعای تبدیل یک ساعت صوت در حدود ۱۰ ثانیه نیز در اطلاعات رسمی ارائهشده دیده نمیشود.
مطالب مرتبط
برای ادامه مطالعه
این یادداشتها بر اساس موضوع مشترک، همپوشانی برچسبها و تازگی انتشار انتخاب میشوند.

Qwen4-Max با زمینه یکمیلیونتوکنی و هزینه کمتر عرضه شد
علیبابا Qwen4-Max رو با زمینه یکمیلیونتوکنی و پشتیبانی مستقیم از تصویر عرضه کرده. طبق آزمون داخلی شرکت، این مدل با توکن و هزینه کمتری از پس وظایف تخصصی برمیاد.


دیدگاهها
اولین نفری باش که دیدگاه میذاره
دیدگاهها پس از بررسی منتشر میشوند. ایمیل شما نمایش داده نمیشود.