Zum Hauptinhalt springen

MicrosoftAudiomodellVorschau

MAI-Transcribe-2-Streaming

Beliebtheitnoch keine Daten

k. A.ohne Such- oder Nutzungsdaten

Zusammenfassung

MAI-Transcribe-2-Streaming nimmt laufendes Audio entgegen und liefert Echtzeit-Transkripte. Microsoft beschreibt kontinuierliche Spracherkennung für 60 Sprachen, sodass Sprachwechsel nicht erst am Ende einer Aufnahme aufgelöst werden müssen.

Die Variante ist als Vorschau über Microsoft Foundry verfügbar und nutzt die Kennung mai-transcribe-2-streaming. Der angekündigte Einführungspreis beträgt 0,54 $ pro Audiostunde bis Ende 2026.

GraduallyBench Audio

MAI-Transcribe-2-Streaming

Teilweise getestet
  • Der Testumfang ist unvollständig.
  • Die genaue Modellversion ist über die Route nicht bestätigt.
  • Ein regulärer Verbindungsabschluss wurde nicht bestätigt.
  • Der Streaming-Test ist im Umfang begrenzt.
  • Einzelne Fälle wurden nach einer Wiederholung beantwortet.
Testdetails anzeigen

Spracherkennung

Gateway · Deutsch, Englisch

35 gültige Ausgaben aus 36 begonnenen und 36 geplanten Testplätzen.

Wortfehlerrate (WER)
4,55 %(25 / 550 Referenzwörter)Deutsch
Wortfehlerrate (WER)
2,39 %(11 / 461 Referenzwörter)Englisch
Wortfehlerrate (WER)
3,56 %(36 / 1.011 Referenzwörter)Deutsch, Englisch
Stillefälle mit Text während des Streams
0 %(0 / 4 auswertbare Stillefälle)Deutsch, EnglischGezählt werden auch zwischenzeitliche Textfragmente und Satzzeichen, selbst wenn sie im finalen Transkript fehlen.

WER vergleicht Wörter und CER vergleicht Zeichen mit der Referenz. Die Rücktranskription der Sprachausgabe erfolgte mit GPT Transcribe. Die genaue Backend-Revision ist nicht bestätigt. Gelesene Sprache und digitale Stille decken spontane Sprache und echte Störgeräusche nicht ab. Fehlerraten können über 100 % liegen. Testreferenzen wurden, sofern verwendet, nicht unabhängig menschlich geprüft. Testumfang und Methoden unterscheiden sich je Modell. Jede Kennzahl steht für sich, einen gemeinsamen Gesamtwert über alle Tests gibt es nicht. Daten zusammengestellt am 10.11.2026. So testen wir · Alle Decision- und Audioergebnisse als JSON herunterladen

Alle Benchmark-Werte

Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.

Alle 10 veröffentlichten Benchmark-Werte anzeigen

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

Omi realtime medical WER, MAI-Transcribe-2 Streaming (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
1,32
Messgröße
Medical Word Error Rate; source row gives 38 errors / 2,872 medical words
Einheit
%
Benchmark-Version
Omi realtime transcription, edition 2026-10-18.1
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
2872
Quellentyp
community-reported
Auswertung
Omi Health Medical Speech-to-Text Benchmark
Status
active
Abrufdatum
2026-10-19
Methodik
Community-Messung. Exakte Zeilenbezeichnung der Echtzeittabelle: Microsoft MAI-Transcribe-2 Streaming. Die Quelle beschreibt einen gemeinsamen Satz aus 1.513 englischen Aufnahmen (7,2 Stunden); für alle Modelle werden dieselben Audiodaten und derselbe Scorer verwendet. Medical WER umfasst 2.872 medizinische Wörter, Arzneimittelfehler 442 Vorkommen und der Abgleich von Dosis/Einheit 94 Referenzereignisse. Laut Quelle wurde die MAI-Streaming-Zeile im Oktober 2026 ergänzt, ein genaues Laufdatum der Accuracy-Messung und eine unveränderliche Serving-Revision fehlen. Für das Timing nennt die Seite einen US-AWS-Ohio-Client am 19. Oktober 2026, ein Deployment in Azure Sweden Central, ein gemeinsames Ende-der-Sprache-Signal, 200 kurze Clips unter 30 Sekunden, einen Durchlauf und Timing n=199 nach Ausschlüssen.
Einordnung
Omi führt diesen Benchmark selbst durch und veröffentlicht ihn, während das Unternehmen ein konkurrierendes medizinisches Transkriptionsprodukt betreibt. Daher bleibt sourceType community-reported; das Ergebnis ist keine neutrale unabhängige Reproduktion. Laut Quelle stammen die Accuracy-Werte anderer Anbieter aus September 2026 und die MAI-Zeile wurde im Oktober ergänzt, das genaue Accuracy-Laufdatum dieser Zeile fehlt jedoch. Konfidenzintervall und unveränderliche MAI-Serving-Revision werden nicht veröffentlicht; die Quelle warnt, dass kleine Abstände keine statistische Signifikanz belegen und die Scores keine klinische Sicherheit nachweisen. Der Referenzwortnenner des allgemeinen WER fehlt; 1.513 bezeichnet die Aufnahmen. Nenner von Precision/F1 werden nicht getrennt angegeben.
Quelle Omi Health Medical Speech-to-Text Benchmark
Omi realtime overall WER, MAI-Transcribe-2 Streaming (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
5,73
Messgröße
Word Error Rate (WER), shared recording set; reference-word denominator not stated
Einheit
%
Benchmark-Version
Omi realtime transcription, edition 2026-10-18.1
Kategorie
audio
Richtung
Weniger ist besser
Quellentyp
community-reported
Auswertung
Omi Health Medical Speech-to-Text Benchmark
Status
active
Abrufdatum
2026-10-19
Methodik
Community-Messung. Exakte Zeilenbezeichnung der Echtzeittabelle: Microsoft MAI-Transcribe-2 Streaming. Die Quelle beschreibt einen gemeinsamen Satz aus 1.513 englischen Aufnahmen (7,2 Stunden); für alle Modelle werden dieselben Audiodaten und derselbe Scorer verwendet. Medical WER umfasst 2.872 medizinische Wörter, Arzneimittelfehler 442 Vorkommen und der Abgleich von Dosis/Einheit 94 Referenzereignisse. Laut Quelle wurde die MAI-Streaming-Zeile im Oktober 2026 ergänzt, ein genaues Laufdatum der Accuracy-Messung und eine unveränderliche Serving-Revision fehlen. Für das Timing nennt die Seite einen US-AWS-Ohio-Client am 19. Oktober 2026, ein Deployment in Azure Sweden Central, ein gemeinsames Ende-der-Sprache-Signal, 200 kurze Clips unter 30 Sekunden, einen Durchlauf und Timing n=199 nach Ausschlüssen.
Einordnung
Omi führt diesen Benchmark selbst durch und veröffentlicht ihn, während das Unternehmen ein konkurrierendes medizinisches Transkriptionsprodukt betreibt. Daher bleibt sourceType community-reported; das Ergebnis ist keine neutrale unabhängige Reproduktion. Laut Quelle stammen die Accuracy-Werte anderer Anbieter aus September 2026 und die MAI-Zeile wurde im Oktober ergänzt, das genaue Accuracy-Laufdatum dieser Zeile fehlt jedoch. Konfidenzintervall und unveränderliche MAI-Serving-Revision werden nicht veröffentlicht; die Quelle warnt, dass kleine Abstände keine statistische Signifikanz belegen und die Scores keine klinische Sicherheit nachweisen. Der Referenzwortnenner des allgemeinen WER fehlt; 1.513 bezeichnet die Aufnahmen. Nenner von Precision/F1 werden nicht getrennt angegeben.
Quelle Omi Health Medical Speech-to-Text Benchmark
Omi realtime drug errors, MAI-Transcribe-2 Streaming (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
1,81
Messgröße
Drug errors; source row gives 8 / 442 occurrences
Einheit
%
Benchmark-Version
Omi realtime transcription, edition 2026-10-18.1
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
442
Quellentyp
community-reported
Auswertung
Omi Health Medical Speech-to-Text Benchmark
Status
active
Abrufdatum
2026-10-19
Methodik
Community-Messung. Exakte Zeilenbezeichnung der Echtzeittabelle: Microsoft MAI-Transcribe-2 Streaming. Die Quelle beschreibt einen gemeinsamen Satz aus 1.513 englischen Aufnahmen (7,2 Stunden); für alle Modelle werden dieselben Audiodaten und derselbe Scorer verwendet. Medical WER umfasst 2.872 medizinische Wörter, Arzneimittelfehler 442 Vorkommen und der Abgleich von Dosis/Einheit 94 Referenzereignisse. Laut Quelle wurde die MAI-Streaming-Zeile im Oktober 2026 ergänzt, ein genaues Laufdatum der Accuracy-Messung und eine unveränderliche Serving-Revision fehlen. Für das Timing nennt die Seite einen US-AWS-Ohio-Client am 19. Oktober 2026, ein Deployment in Azure Sweden Central, ein gemeinsames Ende-der-Sprache-Signal, 200 kurze Clips unter 30 Sekunden, einen Durchlauf und Timing n=199 nach Ausschlüssen.
Einordnung
Omi führt diesen Benchmark selbst durch und veröffentlicht ihn, während das Unternehmen ein konkurrierendes medizinisches Transkriptionsprodukt betreibt. Daher bleibt sourceType community-reported; das Ergebnis ist keine neutrale unabhängige Reproduktion. Laut Quelle stammen die Accuracy-Werte anderer Anbieter aus September 2026 und die MAI-Zeile wurde im Oktober ergänzt, das genaue Accuracy-Laufdatum dieser Zeile fehlt jedoch. Konfidenzintervall und unveränderliche MAI-Serving-Revision werden nicht veröffentlicht; die Quelle warnt, dass kleine Abstände keine statistische Signifikanz belegen und die Scores keine klinische Sicherheit nachweisen. Der Referenzwortnenner des allgemeinen WER fehlt; 1.513 bezeichnet die Aufnahmen. Nenner von Precision/F1 werden nicht getrennt angegeben.
Quelle Omi Health Medical Speech-to-Text Benchmark
Omi realtime dose/unit matches, MAI-Transcribe-2 Streaming (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
85,11
Messgröße
Dose / unit matches; source row gives 80 / 94 reference events
Einheit
%
Benchmark-Version
Omi realtime transcription, edition 2026-10-18.1
Kategorie
audio
Richtung
Mehr ist besser
Stichprobe
94
Quellentyp
community-reported
Auswertung
Omi Health Medical Speech-to-Text Benchmark
Status
active
Abrufdatum
2026-10-19
Methodik
Community-Messung. Exakte Zeilenbezeichnung der Echtzeittabelle: Microsoft MAI-Transcribe-2 Streaming. Die Quelle beschreibt einen gemeinsamen Satz aus 1.513 englischen Aufnahmen (7,2 Stunden); für alle Modelle werden dieselben Audiodaten und derselbe Scorer verwendet. Medical WER umfasst 2.872 medizinische Wörter, Arzneimittelfehler 442 Vorkommen und der Abgleich von Dosis/Einheit 94 Referenzereignisse. Laut Quelle wurde die MAI-Streaming-Zeile im Oktober 2026 ergänzt, ein genaues Laufdatum der Accuracy-Messung und eine unveränderliche Serving-Revision fehlen. Für das Timing nennt die Seite einen US-AWS-Ohio-Client am 19. Oktober 2026, ein Deployment in Azure Sweden Central, ein gemeinsames Ende-der-Sprache-Signal, 200 kurze Clips unter 30 Sekunden, einen Durchlauf und Timing n=199 nach Ausschlüssen.
Einordnung
Omi führt diesen Benchmark selbst durch und veröffentlicht ihn, während das Unternehmen ein konkurrierendes medizinisches Transkriptionsprodukt betreibt. Daher bleibt sourceType community-reported; das Ergebnis ist keine neutrale unabhängige Reproduktion. Laut Quelle stammen die Accuracy-Werte anderer Anbieter aus September 2026 und die MAI-Zeile wurde im Oktober ergänzt, das genaue Accuracy-Laufdatum dieser Zeile fehlt jedoch. Konfidenzintervall und unveränderliche MAI-Serving-Revision werden nicht veröffentlicht; die Quelle warnt, dass kleine Abstände keine statistische Signifikanz belegen und die Scores keine klinische Sicherheit nachweisen. Der Referenzwortnenner des allgemeinen WER fehlt; 1.513 bezeichnet die Aufnahmen. Nenner von Precision/F1 werden nicht getrennt angegeben.
Quelle Omi Health Medical Speech-to-Text Benchmark
Omi realtime dose/unit errors, MAI-Transcribe-2 Streaming (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
14,89
Messgröße
Dose / unit errors; source row gives 14 / 94 reference events
Einheit
%
Benchmark-Version
Omi realtime transcription, edition 2026-10-18.1
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
94
Quellentyp
community-reported
Auswertung
Omi Health Medical Speech-to-Text Benchmark
Status
active
Abrufdatum
2026-10-19
Methodik
Community-Messung. Exakte Zeilenbezeichnung der Echtzeittabelle: Microsoft MAI-Transcribe-2 Streaming. Die Quelle beschreibt einen gemeinsamen Satz aus 1.513 englischen Aufnahmen (7,2 Stunden); für alle Modelle werden dieselben Audiodaten und derselbe Scorer verwendet. Medical WER umfasst 2.872 medizinische Wörter, Arzneimittelfehler 442 Vorkommen und der Abgleich von Dosis/Einheit 94 Referenzereignisse. Laut Quelle wurde die MAI-Streaming-Zeile im Oktober 2026 ergänzt, ein genaues Laufdatum der Accuracy-Messung und eine unveränderliche Serving-Revision fehlen. Für das Timing nennt die Seite einen US-AWS-Ohio-Client am 19. Oktober 2026, ein Deployment in Azure Sweden Central, ein gemeinsames Ende-der-Sprache-Signal, 200 kurze Clips unter 30 Sekunden, einen Durchlauf und Timing n=199 nach Ausschlüssen.
Einordnung
Omi führt diesen Benchmark selbst durch und veröffentlicht ihn, während das Unternehmen ein konkurrierendes medizinisches Transkriptionsprodukt betreibt. Daher bleibt sourceType community-reported; das Ergebnis ist keine neutrale unabhängige Reproduktion. Laut Quelle stammen die Accuracy-Werte anderer Anbieter aus September 2026 und die MAI-Zeile wurde im Oktober ergänzt, das genaue Accuracy-Laufdatum dieser Zeile fehlt jedoch. Konfidenzintervall und unveränderliche MAI-Serving-Revision werden nicht veröffentlicht; die Quelle warnt, dass kleine Abstände keine statistische Signifikanz belegen und die Scores keine klinische Sicherheit nachweisen. Der Referenzwortnenner des allgemeinen WER fehlt; 1.513 bezeichnet die Aufnahmen. Nenner von Precision/F1 werden nicht getrennt angegeben.
Quelle Omi Health Medical Speech-to-Text Benchmark
Omi realtime dose precision, MAI-Transcribe-2 Streaming (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
87,91
Messgröße
Dose precision
Einheit
%
Benchmark-Version
Omi realtime transcription, edition 2026-10-18.1
Kategorie
audio
Richtung
Mehr ist besser
Quellentyp
community-reported
Auswertung
Omi Health Medical Speech-to-Text Benchmark
Status
active
Abrufdatum
2026-10-19
Methodik
Community-Messung. Exakte Zeilenbezeichnung der Echtzeittabelle: Microsoft MAI-Transcribe-2 Streaming. Die Quelle beschreibt einen gemeinsamen Satz aus 1.513 englischen Aufnahmen (7,2 Stunden); für alle Modelle werden dieselben Audiodaten und derselbe Scorer verwendet. Medical WER umfasst 2.872 medizinische Wörter, Arzneimittelfehler 442 Vorkommen und der Abgleich von Dosis/Einheit 94 Referenzereignisse. Laut Quelle wurde die MAI-Streaming-Zeile im Oktober 2026 ergänzt, ein genaues Laufdatum der Accuracy-Messung und eine unveränderliche Serving-Revision fehlen. Für das Timing nennt die Seite einen US-AWS-Ohio-Client am 19. Oktober 2026, ein Deployment in Azure Sweden Central, ein gemeinsames Ende-der-Sprache-Signal, 200 kurze Clips unter 30 Sekunden, einen Durchlauf und Timing n=199 nach Ausschlüssen.
Einordnung
Omi führt diesen Benchmark selbst durch und veröffentlicht ihn, während das Unternehmen ein konkurrierendes medizinisches Transkriptionsprodukt betreibt. Daher bleibt sourceType community-reported; das Ergebnis ist keine neutrale unabhängige Reproduktion. Laut Quelle stammen die Accuracy-Werte anderer Anbieter aus September 2026 und die MAI-Zeile wurde im Oktober ergänzt, das genaue Accuracy-Laufdatum dieser Zeile fehlt jedoch. Konfidenzintervall und unveränderliche MAI-Serving-Revision werden nicht veröffentlicht; die Quelle warnt, dass kleine Abstände keine statistische Signifikanz belegen und die Scores keine klinische Sicherheit nachweisen. Der Referenzwortnenner des allgemeinen WER fehlt; 1.513 bezeichnet die Aufnahmen. Nenner von Precision/F1 werden nicht getrennt angegeben.
Quelle Omi Health Medical Speech-to-Text Benchmark
Omi realtime dose F1, MAI-Transcribe-2 Streaming (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
86,49
Messgröße
Dose F1
Einheit
%
Benchmark-Version
Omi realtime transcription, edition 2026-10-18.1
Kategorie
audio
Richtung
Mehr ist besser
Quellentyp
community-reported
Auswertung
Omi Health Medical Speech-to-Text Benchmark
Status
active
Abrufdatum
2026-10-19
Methodik
Community-Messung. Exakte Zeilenbezeichnung der Echtzeittabelle: Microsoft MAI-Transcribe-2 Streaming. Die Quelle beschreibt einen gemeinsamen Satz aus 1.513 englischen Aufnahmen (7,2 Stunden); für alle Modelle werden dieselben Audiodaten und derselbe Scorer verwendet. Medical WER umfasst 2.872 medizinische Wörter, Arzneimittelfehler 442 Vorkommen und der Abgleich von Dosis/Einheit 94 Referenzereignisse. Laut Quelle wurde die MAI-Streaming-Zeile im Oktober 2026 ergänzt, ein genaues Laufdatum der Accuracy-Messung und eine unveränderliche Serving-Revision fehlen. Für das Timing nennt die Seite einen US-AWS-Ohio-Client am 19. Oktober 2026, ein Deployment in Azure Sweden Central, ein gemeinsames Ende-der-Sprache-Signal, 200 kurze Clips unter 30 Sekunden, einen Durchlauf und Timing n=199 nach Ausschlüssen.
Einordnung
Omi führt diesen Benchmark selbst durch und veröffentlicht ihn, während das Unternehmen ein konkurrierendes medizinisches Transkriptionsprodukt betreibt. Daher bleibt sourceType community-reported; das Ergebnis ist keine neutrale unabhängige Reproduktion. Laut Quelle stammen die Accuracy-Werte anderer Anbieter aus September 2026 und die MAI-Zeile wurde im Oktober ergänzt, das genaue Accuracy-Laufdatum dieser Zeile fehlt jedoch. Konfidenzintervall und unveränderliche MAI-Serving-Revision werden nicht veröffentlicht; die Quelle warnt, dass kleine Abstände keine statistische Signifikanz belegen und die Scores keine klinische Sicherheit nachweisen. Der Referenzwortnenner des allgemeinen WER fehlt; 1.513 bezeichnet die Aufnahmen. Nenner von Precision/F1 werden nicht getrennt angegeben.
Quelle Omi Health Medical Speech-to-Text Benchmark
Artificial Analysis final transcription WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
2,5
Messgröße
Wortfehlerrate
Einheit
%
Kategorie
audio
Richtung
Weniger ist besser
Quellentyp
vendor-reported
Auswertung
MAI-Transcribe-2-Streaming Model Card
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. AA-WER Streaming für die endgültige Transkription nach erkanntem Ende der Äußerung; Leaderboard-Snapshot vom 28. September 2026 in Microsofts Modellkarte, Seite 2. Veröffentlichte Evaluator-Methodik mit AA-AgentTalk 50 %, VoxPopuli-Cleaned-AA 25 % und Earnings22-Cleaned-AA 25 %; Wortfehlerrate innerhalb jedes Datensatzes nach Audiodauer gewichtet.
Einordnung
Microsoft zitiert ein Ergebnis von Artificial Analysis, dessen ursprünglicher Modelleintrag nicht direkt abgerufen wurde. Genaue Serving-Konfiguration, Stichprobengröße dieses Laufs, Benchmarkversion im Memo und Laufdatum fehlen. Das Snapshot-Datum ist kein Laufdatum; 60 unterstützte Sprachen belegen nicht die Sprachabdeckung des Tests.
Quelle MAI-Transcribe-2-Streaming Model Card
Omi realtime median final latency, MAI-Transcribe-2 Streaming (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
137
Messgröße
Median final latency, milliseconds
Einheit
ms
Benchmark-Version
Omi realtime transcription, edition 2026-10-18.1
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
199
Quellentyp
community-reported
Auswertung
Omi Health Medical Speech-to-Text Benchmark
Status
active
Abrufdatum
2026-10-19
Methodik
Community-Messung. Exakte Zeilenbezeichnung der Echtzeittabelle: Microsoft MAI-Transcribe-2 Streaming. Die Quelle beschreibt einen gemeinsamen Satz aus 1.513 englischen Aufnahmen (7,2 Stunden); für alle Modelle werden dieselben Audiodaten und derselbe Scorer verwendet. Medical WER umfasst 2.872 medizinische Wörter, Arzneimittelfehler 442 Vorkommen und der Abgleich von Dosis/Einheit 94 Referenzereignisse. Laut Quelle wurde die MAI-Streaming-Zeile im Oktober 2026 ergänzt, ein genaues Laufdatum der Accuracy-Messung und eine unveränderliche Serving-Revision fehlen. Für das Timing nennt die Seite einen US-AWS-Ohio-Client am 19. Oktober 2026, ein Deployment in Azure Sweden Central, ein gemeinsames Ende-der-Sprache-Signal, 200 kurze Clips unter 30 Sekunden, einen Durchlauf und Timing n=199 nach Ausschlüssen.
Einordnung
Omi führt diesen Benchmark selbst durch und veröffentlicht ihn, während das Unternehmen ein konkurrierendes medizinisches Transkriptionsprodukt betreibt. Daher bleibt sourceType community-reported; das Ergebnis ist keine neutrale unabhängige Reproduktion. Laut Quelle stammen die Accuracy-Werte anderer Anbieter aus September 2026 und die MAI-Zeile wurde im Oktober ergänzt, das genaue Accuracy-Laufdatum dieser Zeile fehlt jedoch. Konfidenzintervall und unveränderliche MAI-Serving-Revision werden nicht veröffentlicht; die Quelle warnt, dass kleine Abstände keine statistische Signifikanz belegen und die Scores keine klinische Sicherheit nachweisen. Der Referenzwortnenner des allgemeinen WER fehlt; 1.513 bezeichnet die Aufnahmen. Nenner von Precision/F1 werden nicht getrennt angegeben.
Quelle Omi Health Medical Speech-to-Text Benchmark
Omi realtime p95 final latency, MAI-Transcribe-2 Streaming (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
206
Messgröße
P95 final latency, milliseconds
Einheit
ms
Benchmark-Version
Omi realtime transcription, edition 2026-10-18.1
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
199
Quellentyp
community-reported
Auswertung
Omi Health Medical Speech-to-Text Benchmark
Status
active
Abrufdatum
2026-10-19
Methodik
Community-Messung. Exakte Zeilenbezeichnung der Echtzeittabelle: Microsoft MAI-Transcribe-2 Streaming. Die Quelle beschreibt einen gemeinsamen Satz aus 1.513 englischen Aufnahmen (7,2 Stunden); für alle Modelle werden dieselben Audiodaten und derselbe Scorer verwendet. Medical WER umfasst 2.872 medizinische Wörter, Arzneimittelfehler 442 Vorkommen und der Abgleich von Dosis/Einheit 94 Referenzereignisse. Laut Quelle wurde die MAI-Streaming-Zeile im Oktober 2026 ergänzt, ein genaues Laufdatum der Accuracy-Messung und eine unveränderliche Serving-Revision fehlen. Für das Timing nennt die Seite einen US-AWS-Ohio-Client am 19. Oktober 2026, ein Deployment in Azure Sweden Central, ein gemeinsames Ende-der-Sprache-Signal, 200 kurze Clips unter 30 Sekunden, einen Durchlauf und Timing n=199 nach Ausschlüssen.
Einordnung
Omi führt diesen Benchmark selbst durch und veröffentlicht ihn, während das Unternehmen ein konkurrierendes medizinisches Transkriptionsprodukt betreibt. Daher bleibt sourceType community-reported; das Ergebnis ist keine neutrale unabhängige Reproduktion. Laut Quelle stammen die Accuracy-Werte anderer Anbieter aus September 2026 und die MAI-Zeile wurde im Oktober ergänzt, das genaue Accuracy-Laufdatum dieser Zeile fehlt jedoch. Konfidenzintervall und unveränderliche MAI-Serving-Revision werden nicht veröffentlicht; die Quelle warnt, dass kleine Abstände keine statistische Signifikanz belegen und die Scores keine klinische Sicherheit nachweisen. Der Referenzwortnenner des allgemeinen WER fehlt; 1.513 bezeichnet die Aufnahmen. Nenner von Precision/F1 werden nicht getrennt angegeben.
Quelle Omi Health Medical Speech-to-Text Benchmark

Alle technischen Daten

Architektur

Modellklasse
Streaming-Spracherkennung
Quelle: Modellklasse

Ein- und Ausgabe

Eingabe
Laufendes Audio
Quelle: Eingabe
Ausgabe
Streaming-Transkript
Quelle: Ausgabe
Sprachen
60 Sprachen mit kontinuierlicher Spracherkennung
Quelle: Sprachen

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
Wasserzeichen-Technik
Nicht bekannt
ohne Quelle

Lizenz und Zugang

Zugang
Microsoft Foundry API
Quelle: Zugang
Abschaltung
Keine angekündigt
ohne Quelle

API

API-Modellkennung
mai-transcribe-2-streaming
Quelle: API-Modellkennung

Weitere Angaben

Streaming
Echtzeit-Transkription für laufende Audioeingaben
Quelle: Streaming

Preise

Einführungspreis
0,54 $ pro Audiostunde bis Ende 2026Quelle

Quellen und Datenstand

Benchmarkquellen im Überblick

Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.

Für dieses Modell ist derzeit kein aktives Ergebnis der geprüften externen Auswerter zugeordnet. Weitere Quellenbelege stehen darunter.

Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.

ArtNachweis und Datenstand
RecherchestandRecherchestand 4. Oktober 2026. 5 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
Nicht veröffentlicht

evaluation-protocol

Hinweis

Modellkarte und Evaluator-Methodik belegen den endgültigen Transkriptionswert, das Snapshot-Datum und die Datensatzgewichtung. Genaue Serving-Konfiguration, laufbezogene Stichprobengröße, Laufdatum und ein direkt abgerufener Modelleintrag fehlen.

Weitere QuelleMicrosoft streaming transcription announcement (abgerufen 3. Oktober 2026; 4. Oktober 2026) · Microsoft streaming transcription announcement · Redaktionelle Beschreibung geprüft am 3. Oktober 2026
Weitere QuelleMicrosoft MAI-Transcribe-2 model page (abgerufen 3. Oktober 2026; 4. Oktober 2026) · Microsoft MAI-Transcribe-2 model page · Redaktionelle Beschreibung geprüft am 3. Oktober 2026
Weitere QuelleMAI-Transcribe-2-Streaming Model Card (abgerufen 4. Oktober 2026)
Weitere QuelleOmi Health Medical Speech-to-Text Benchmark (abgerufen 19. Oktober 2026)
Weitere QuelleModellmetadaten (abgerufen 4. Oktober 2026)