MicrosoftAudiomodellVorschau
MAI-Transcribe-1.5
BeliebtheitPlatz 670 von 875
0von 100wie im Vormonat
Zusammenfassung
MAI-Transcribe-1.5 ist ein Microsoft-Speech-to-Text-Modell für 43 Sprachen. Keyword-Biasing hilft bei Fachbegriffen, und Microsoft nennt bis zu fünffach höhere Geschwindigkeit als bei vergleichbaren Modellen.
Der Endpunkt nimmt Audio entgegen und liefert Text. Der Foundry-Zugang ist eine öffentliche Vorschau ohne SLA. Microsoft nennt 0,36 $ pro Audiostunde. Das Modell ist für Transkription und nicht für Sprachsynthese oder Audio-zu-Audio-Dialoge vorgesehen.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 45 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 4
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
Artificial Analysis AA-WER v2.0 (non-streaming) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 2.4
- Bewertung
- 2.4
- Messgröße
- duration-weighted word error rate across AA-AgentTalk, VoxPopuli-Cleaned-AA, and Earnings22-Cleaned-AA
- Einheit
- %
- Benchmark-Version
- AA-WER v2.0, current non-streaming board retrieved 2026-10-16
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Aktueller Board-Wert für die exakte Zeile MAI-Transcribe-1.5. AA-WER v2 gewichtet rund acht Stunden Audio nach Dauer: AA-AgentTalk 50 %, VoxPopuli-Cleaned-AA 25 %, Earnings22-Cleaned-AA 25 %.
- Einordnung
- Diese aktuelle direkte Beobachtung des Evaluators bleibt getrennt von der älteren Anbieterangabe. Sie ist kein FLEURS-Ergebnis; die Korrektur des historischen Datensatzes erfolgt separat.
Artificial Analysis AA-AgentTalk WER (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 2
- Bewertung
- 2
- Messgröße
- word error rate on AA-AgentTalk
- Einheit
- %
- Benchmark-Version
- AA-WER v2.0 per-dataset comparison, retrieved 2026-10-16
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Exakte Zeile MAI-Transcribe-1.5 im Datensatz AA-AgentTalk; dies ist ein Teilwert und nicht das gesamte AA-WER-Ergebnis.
- Einordnung
- Der Artikel nennt keine Stichprobengröße je Modellzeile. Dieser Datensatzwert ist nicht der gewichtete AA-WER-Gesamtwert.
Artificial Analysis VoxPopuli-Cleaned-AA WER (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1.6
- Bewertung
- 1.6
- Messgröße
- word error rate on VoxPopuli-Cleaned-AA
- Einheit
- %
- Benchmark-Version
- AA-WER v2.0 per-dataset comparison, retrieved 2026-10-16
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Exakte Zeile MAI-Transcribe-1.5 im bereinigten Datensatz VoxPopuli-AA; dies ist ein Teilwert und nicht das gesamte AA-WER-Ergebnis.
- Einordnung
- Der Artikel nennt keine Stichprobengröße je Modellzeile. Dieser Datensatzwert ist nicht der gewichtete AA-WER-Gesamtwert.
Artificial Analysis Earnings22-Cleaned-AA WER (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 4
- Bewertung
- 4
- Messgröße
- word error rate on Earnings22-Cleaned-AA
- Einheit
- %
- Benchmark-Version
- AA-WER v2.0 per-dataset comparison, retrieved 2026-10-16
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Exakte Zeile MAI-Transcribe-1.5 im bereinigten Datensatz Earnings22-AA; dies ist ein Teilwert und nicht das gesamte AA-WER-Ergebnis.
- Einordnung
- Der Artikel nennt keine Stichprobengröße je Modellzeile. Dieser Datensatzwert ist nicht der gewichtete AA-WER-Gesamtwert.
Microsoft-reported mean FLEURS WER across reported locales (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 4.86
- Bewertung
- 4.86
- Messgröße
- mean word error rate across reported FLEURS locales
- Einheit
- %
- Benchmark-Version
- Microsoft FLEURS chart, data as of July 2026; latest MAI-Transcribe-1.5
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Microsoft AI
- Status
- active
- Abrufdatum
- 2026-10-16
- Methodik
- Vom Anbieter veröffentlichter Wert. Microsoft nennt den mittleren WER über alle aufgeführten FLEURS-Sprachvarianten für die neueste Version von MAI-Transcribe-1.5; die Seite datiert die Daten auf Juli 2026. Die sichtbare Diagrammbeschreibung nennt weder die Zahl der Sprachvarianten noch die Evaluationskonfiguration.
- Einordnung
- Von Microsoft berichteter FLEURS-Wert. Datensatz und Konfiguration unterscheiden sich vom AA-WER von Artificial Analysis; der Wert ist daher nicht direkt mit 2,4 % AA-WER vergleichbar.
Microsoft FLEURS top-25-language WER (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 3.7
- Bewertung
- 3.7
- Messgröße
- Word error rate (WER), mean across the top 25 global languages in the FLEURS benchmark
- Einheit
- %
- Benchmark-Version
- Microsoft-reported FLEURS top-25-language aggregate; source states data updated as of 2026-08-12
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Microsoft Tech Community, Azure AI Foundry Blog
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Vom Anbieter veröffentlichter Wert. Der Primärartikel nennt das exakte Modell MAI-Transcribe-1.5 und berichtet FLEURS-WER über die 25 wichtigsten globalen Sprachen. Er veröffentlicht keine Serving-Build-ID, Decoding-Einstellungen, Wort-/Satz-Nenner oder Einzelwerte je Sprache.
- Einordnung
- Dies ist ein vom Anbieter berichteter FLEURS-Gesamtwert für die 25 wichtigsten Sprachen, keine unabhängige Evaluation. Microsoft veröffentlicht hier weder N noch Konfidenzintervall, Einzelwerte je Sprache oder Decoding-Einstellungen. Die ausdrücklich genannte Kohorte unterscheidet sich vom bereits vorhandenen Mittelwert von 4,86 % über alle gemeldeten Sprachvarianten. Beide Werte sind nicht austauschbar und dürfen nicht zusammengeführt werden.
PERIT-STT English WER, MAI-Transcribe-1.5 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1.57
- Bewertung
- 1.57
- Messgröße
- pooled normalized word error rate (WER)
- Einheit
- %
- Benchmark-Version
- PERIT-STT English real-world leaderboard, captured 2026-10-17
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Untere Konfidenzgrenze
- 1.37
- Obere Konfidenzgrenze
- 1.8
- Quellentyp
- independent-evaluator
- Auswertung
- PERIT-STT, Perit
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakter PERIT-STT-Eintrag microsoft/mai-transcribe-1.5. Englischsprachige Spracherkennungs-Rangliste mit realen Aufnahmen, gepoolte normalisierte Wortfehlerrate gegenüber zwei unabhängigen menschlichen Referenzen mit abschließender Prüfung durch eine erfahrene Person; 22 Systeme teilen sich dasselbe zurückgehaltene Audiomaterial. Die Methodik nennt drei Läufe je Clip, veröffentlicht aber weder die Clipzahl noch, wie Wiederholungen aggregiert werden.
- Einordnung
- Die Zahl der Clips je Modell wird nicht veröffentlicht, daher ist keine Stichprobengröße eingetragen. Die Methodik nennt drei Läufe je Clip, die Aggregation der Wiederholungen bleibt offen. Das 95-%-Intervall ist wie veröffentlicht übernommen.
Nyra Verbatim English, Disfluency F1, MAI-Transcribe-1.5 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 84
- Bewertung
- 84
- Messgröße
- Disfluency F1
- Einheit
- %
- Benchmark-Version
- Nyra Verbatim Speech Benchmark, README-Commit e2d1200537e8f66ccd3b0d800e9ba95c61c71d15
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Stichprobe
- 4957
- Quellentyp
- independent-evaluator
- Auswertung
- Nyra Health Verbatim Speech Benchmark
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Tabellenzeile MAI-Transcribe-1.5 (Microsoft, mai-transcribe-1.5), Englisch. n=4.957 ausgewertete gecachte Vorhersagen. Tabelle sortiert nach Disfluency F1; Cutoff F1 ist cutoff_lenient_f1.
- Einordnung
- Der Benchmark ist von Nyra Health publiziert, das mit CrisperWhisper auch ein eigenes Modell vergleicht. Der Laufzeitstand des Microsoft-Endpunkts und ein Konfidenzintervall werden nicht veröffentlicht. 0 % Vocal Sound F1 in derselben Zeile ist ein ausgewiesener Wert, keine fehlende Messung.
Nyra Verbatim English, Filler F1, MAI-Transcribe-1.5 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 95.8
- Bewertung
- 95.8
- Messgröße
- Filler F1
- Einheit
- %
- Benchmark-Version
- Nyra Verbatim Speech Benchmark, README-Commit e2d1200537e8f66ccd3b0d800e9ba95c61c71d15
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Stichprobe
- 4957
- Quellentyp
- independent-evaluator
- Auswertung
- Nyra Health Verbatim Speech Benchmark
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Tabellenzeile MAI-Transcribe-1.5 (Microsoft, mai-transcribe-1.5), Englisch. n=4.957 ausgewertete gecachte Vorhersagen. Tabelle sortiert nach Disfluency F1; Cutoff F1 ist cutoff_lenient_f1.
- Einordnung
- Der Benchmark ist von Nyra Health publiziert, das mit CrisperWhisper auch ein eigenes Modell vergleicht. Der Laufzeitstand des Microsoft-Endpunkts und ein Konfidenzintervall werden nicht veröffentlicht.
Nyra Verbatim English, Vocal Sound F1, MAI-Transcribe-1.5 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 0
- Bewertung
- 0
- Messgröße
- Vocal Sound F1
- Einheit
- %
- Benchmark-Version
- Nyra Verbatim Speech Benchmark, README-Commit e2d1200537e8f66ccd3b0d800e9ba95c61c71d15
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Stichprobe
- 4957
- Quellentyp
- independent-evaluator
- Auswertung
- Nyra Health Verbatim Speech Benchmark
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Tabellenzeile MAI-Transcribe-1.5 (Microsoft, mai-transcribe-1.5), Englisch. n=4.957 ausgewertete gecachte Vorhersagen. Tabelle sortiert nach Disfluency F1; Cutoff F1 ist cutoff_lenient_f1.
- Einordnung
- Der Benchmark ist von Nyra Health publiziert, das mit CrisperWhisper auch ein eigenes Modell vergleicht. Der Laufzeitstand des Microsoft-Endpunkts und ein Konfidenzintervall werden nicht veröffentlicht. 0 % ist der veröffentlichte Tabellenwert.
Nyra Verbatim English, Cutoff F1, MAI-Transcribe-1.5 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 83.3
- Bewertung
- 83.3
- Messgröße
- lenient cutoff F1
- Einheit
- %
- Benchmark-Version
- Nyra Verbatim Speech Benchmark, README-Commit e2d1200537e8f66ccd3b0d800e9ba95c61c71d15
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Stichprobe
- 4957
- Quellentyp
- independent-evaluator
- Auswertung
- Nyra Health Verbatim Speech Benchmark
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Tabellenzeile MAI-Transcribe-1.5 (Microsoft, mai-transcribe-1.5), Englisch. n=4.957 ausgewertete gecachte Vorhersagen. Tabelle sortiert nach Disfluency F1; Cutoff F1 ist cutoff_lenient_f1.
- Einordnung
- Der Benchmark ist von Nyra Health publiziert, das mit CrisperWhisper auch ein eigenes Modell vergleicht. Der Laufzeitstand des Microsoft-Endpunkts und ein Konfidenzintervall werden nicht veröffentlicht. Der Cutoff-Wert ist die großzügige cutoff_lenient_f1-Variante, nicht das strenge markergestützte Maß.
Nyra Verbatim English, Repetition F1, MAI-Transcribe-1.5 (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 86.8
- Bewertung
- 86.8
- Messgröße
- Repetition F1
- Einheit
- %
- Benchmark-Version
- Nyra Verbatim Speech Benchmark, README-Commit e2d1200537e8f66ccd3b0d800e9ba95c61c71d15
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Stichprobe
- 4957
- Quellentyp
- independent-evaluator
- Auswertung
- Nyra Health Verbatim Speech Benchmark
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Tabellenzeile MAI-Transcribe-1.5 (Microsoft, mai-transcribe-1.5), Englisch. n=4.957 ausgewertete gecachte Vorhersagen. Tabelle sortiert nach Disfluency F1; Cutoff F1 ist cutoff_lenient_f1.
- Einordnung
- Der Benchmark ist von Nyra Health publiziert, das mit CrisperWhisper auch ein eigenes Modell vergleicht. Der Laufzeitstand des Microsoft-Endpunkts und ein Konfidenzintervall werden nicht veröffentlicht.
Seite 1 von 4
Beliebtheit im Vergleich
Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.
Beliebtheitsindex
0 bis 100, höher ist beliebter
20 von 83 Modellen
pyannote Community-1, pyannote: 73
Nemotron-3-Diarization, NVIDIA: 57
Gemini 3.5 Transcribe, Google: 52
Confucius4-R2T2, NetEase Youdao: 52
Granite Speech 5.0 470M TurboCTC, IBM: 52
Kokoro-82M, hexgrad: 51
Nova-3, Deepgram: 51
Fish Audio S2 Pro, Fish Audio: 51
NVIDIA Nemotron 3.5 Transcribe, NVIDIA: 50
Granite Speech 5.0 470M TurboCTC NC, IBM: 50
Orukeet, Oruk: 49
Lyria 3.5, Google: 47
Gemini 3.5 Live Translate, Google: 46
Phonon-2, Fermion Research: 44
Aura-2, Deepgram: 44
Gemini 3.1 Flash TTS, Google: 44
MiniMax-Music3, MiniMax: 41
Audio8-ASR-Infinite, Edge0 AI: 41
GPT-Realtime 2.1, OpenAI: 41
MAI-Transcribe-1.5, Microsoft: 0
MAI-Transcribe-1.5
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 5. November 2026
MAI-Transcribe-1.5Amazon Nova 2 SonicEleven Multilingual STS v2Eleven Music v2.5Eleven Text to Sound v2
Alle technischen Daten
Architektur
Ein- und Ausgabe
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Unbekannt
- ohne Quelle
- Watermarking-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
API
Weitere Angaben
- Funktionen
- Keyword-Biasing und bis zu fünffach höhere Geschwindigkeit als vergleichbare Modelle
- Quelle: Funktionen
Preise
- Preis
- 0,36 $ pro AudiostundeQuelle
Quellen und Datenstand
Alle 22 Quellen anzeigen
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
| Auswerter | Testreihen | Gesamtindizes | Erfasste aktive Messwerte |
|---|---|---|---|
| Artificial Analysis | 0 | 0 | 1 |
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten. 1 Messwerte sind noch keiner Testreihe zugeordnet.