Zum Hauptinhalt springen

MicrosoftAudiomodellVorschau

MAI-Transcribe-2

Beliebtheitnoch keine Daten

k. A.ohne Such- oder Nutzungsdaten

Zusammenfassung

MAI-Transcribe-2 ist Microsofts dateibasierter Speech-to-Text-Endpunkt für 60 Sprachen. Sprecherzuordnung, Zeitstempel und Domain-Biasing erweitern den reinen Wortlaut um strukturierte Transkriptinformationen.

Die API-Kennung lautet mai-transcribe-2. Der Foundry-Zugang ist eine öffentliche Vorschau ohne SLA, der Einführungspreis beträgt 0,10 $ pro Audiostunde. Für laufende Eingaben gibt es die getrennte Streaming-Variante mit eigener Kennung.

GraduallyBench Audio

Die Wortfehlerrate von MAI-Transcribe-2 liegt bei 3,4 % (35 Fehler auf 1.040 Wörter der Vorlage, Deutsch und Englisch). Der Median der 20 Modelle mit Wert für Deutsch und Englisch liegt bei 4,5 %.

Wortfehlerrate Deutsch und Englisch

3,4 %

35 Fehler auf 1.040 Wörter der Vorlage

Text bei Stille

0 / 4

Stilleclips mit Text im Endtranskript

Umfang

36 / 36

gültige Ausgaben von geplanten

Zugang

OpenRouter

Wortfehlerrate Deutsch und Englisch im Vergleich

Falsch erkannte Wörter in Prozent (Deutsch und Englisch), niedriger ist besser

20 von 20 Modellen

Stand 10.11.2026. Quelle: GraduallyBench Audio

MAI-Transcribe-2

Benchmark durchgeführt
  • Die genaue Modellversion ist über die Route nicht bestätigt.
Testdetails anzeigen

Spracherkennung

OpenRouter · Deutsch, Englisch

36 gültige Ausgaben aus 36 begonnenen und 36 geplanten Testplätzen.

Wortfehlerrate (WER)
3,37 %(35 / 1.040 Referenzwörter)Deutsch, Englisch
Zeichenfehlerrate (CER)
1,28 %(75 / 5.842 Referenzzeichen)Deutsch, Englisch
Stillefälle mit Wörtern im finalen Transkript
0 %(0 / 4 auswertbare Stillefälle)Deutsch, EnglischNach der Unicode-Normalisierung zählen Wortsegmente mit Buchstaben oder Ziffern. Reine Satzzeichen zählen nicht.

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 37 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
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-2. AA-WER v2 gewichtet rund acht Stunden Audio nach Dauer: AA-AgentTalk 50 %, VoxPopuli-Cleaned-AA 25 %, Earnings22-Cleaned-AA 25 %.
Einordnung
Beobachtung eines unabhängigen Evaluators. Sie unterscheidet sich vom zuvor dokumentierten, von Microsoft gemeldeten FLEURS-Mittelwert von 5,2 %. AA-WER und FLEURS verwenden unterschiedliche Datensätze und Konfigurationen.
Quelle Artificial Analysis
Appen MedTerm-90 overall clinical entity recall (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
81,31
Messgröße
Recall of clinician-validated medical entities
Einheit
%
Benchmark-Version
MedTerm-90, September 2026 model versions
Kategorie
audio
Richtung
Mehr ist besser
Stichprobe
30017
Untere Konfidenzgrenze
80.53
Obere Konfidenzgrenze
82.09
Quellentyp
independent-evaluator
Auswertung
Appen MedTerm-90
Status
active
Abrufdatum
2026-10-16
Methodik
Unabhängige Evaluation. Appen berichtet das Ergebnis von Microsoft MAI-Transcribe 2 auf September-2026-Modellversionen und 1.413 realen ärztlichen Diktaten mit 90,5 Stunden und 14 Fachgebieten. Der Recall bezieht sich auf 30.017 klinisch validierte Entitäten. Diese Entitätenzahl ist der ausgewiesene Stichprobenumfang, nicht die Zahl der Aufnahmen. Microsofts offizielle API-Dokumentation benennt das Batch-Transkriptionsmodell als MAI-Transcribe-2. Der Wert wird nicht dem Streamingmodell MAI-Transcribe-2-Streaming zugeordnet. Für alle Modelle galten dieselben Dateien, Entitäten, Schwellenwerte und Prüfer, ohne Vokabelhinweise. Appen nennt ein Bootstrap-95-%-Intervall.
Einordnung
Dies ist der Recall klinischer Entitäten, kein WER und kein allgemeiner Transkriptionswert. Der Wert ist dem Batchmodell MAI-Transcribe-2 zugeordnet, nicht MAI-Transcribe-2-Streaming. Die Ergebnisse beziehen sich auf Modellversionen vom September 2026 und auf Diktate mit einem Sprecher nahe am Mikrofon. Appen weist darauf hin, dass diese Bedingungen die Modelle begünstigen und nicht auf anderes Audio übertragbar sein müssen. Die Berichtsseite zeigt nur den Gesamtwert, nicht die angekündigte Aufschlüsselung nach Fachgebieten.
Quelle Appen MedTerm-90
PERIT-STT English WER, MAI-Transcribe-2 (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
1,76
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
1.56
Obere Konfidenzgrenze
1.99
Quellentyp
independent-evaluator
Auswertung
PERIT-STT, Perit
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Exakter PERIT-STT-Eintrag microsoft/mai-transcribe-2. 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.
Quelle PERIT-STT, Perit
Converse-STT 2.0 pooled WER, MAI-Transcribe 2 (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
3,74
Messgröße
pooled normalized word error rate (WER)
Einheit
%
Benchmark-Version
Ocular AI Converse-STT 2.0, technical report dated 2026-10-13
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
12555
Quellentyp
independent-evaluator
Auswertung
Ocular AI, Converse-STT
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. OpenRouter-Modell-ID microsoft/mai-transcribe-2; MP3 und Standardsprache en ohne zusätzliche Anfrageoptionen. Vier US-englische Gespräche, acht getrennte Sprecher-Spuren und 12.555 normalisierte Referenzwörter; gepoolte WER nach Whisper-English-Normalisierung. Batch-Transkription, kein Streaming oder Diarisierung.
Einordnung
Der Evaluator nennt keinen unveränderlichen Upstream-Servingstand für die OpenRouter-Route und veröffentlicht kein Konfidenzintervall. 12.555 bezeichnet Referenzwörter, nicht Gesprächs- oder Clipanzahl.
Quelle Ocular AI, Converse-STT
DAI-ASR-I18N German WER, dual-channel (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
6,3677542178
Messgröße
Normalized German word error rate (WER), dual-channel
Einheit
%
Benchmark-Version
DAI-ASR-I18N v1.1, public per-language results embedded in page snapshot retrieved 2026-10-17
Kategorie
speech recognition
Richtung
Weniger ist besser
Quellentyp
independent-evaluator
Auswertung
David AI Research, DAI-ASR-I18N
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Exaktes Modell laut Tabelle A1: Microsoft AI MAI-Transcribe-2 über Azure Speech. Der Evaluator nutzte den erweiterten MAI-Transcribe-2-Modus, wortgetreue Transkription, Wort-Zeitstempel, Sprecherdiarisierung und einen expliziten Sprachcode; Azure-Speech-API-Version 2025-10-15. Die erfasste Ergebniszeile lautet model=mai_transcribe, metric=wer, channel=dual, language=de. DAI wertet die beiden aufgenommenen Kanäle getrennt aus und summiert ihre Editieroperationen. Der öffentliche Satz umfasst ungefähr zwei Evaluierungsstunden pro Sprache in 21 Sprachen. Für die deutsche Zeile werden weder Clipzahl noch Konfidenzintervall veröffentlicht.
Einordnung
Die Seite veröffentlicht für diese Zeile weder die Zahl der deutschen Clips noch ein Konfidenzintervall. Die sprachübergreifende Aggregatgrafik des Artikels wird nicht anstelle dieses expliziten deutschen Ergebnisses eingesetzt.
Quelle David AI Research, DAI-ASR-I18N
Speko FLEURS Lithuanian lt_lt, batch WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
6,1
Messgröße
Word error rate (WER), batch
Einheit
%
Benchmark-Version
FLEURS lt_lt; Speko batch board dated 2026-10-02
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
50
Untere Konfidenzgrenze
4.1
Obere Konfidenzgrenze
8.3
Quellentyp
independent-evaluator
Auswertung
Speko speech-to-text benchmarks
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Das litauische Speko-Board nennt FLEURS lt_lt, n=50, Corpus-WER, Batchmodus und den 2. Oktober 2026. Die exakte Zeile azure:MAI-Transcribe-2 weist 6,1 % WER und das Intervall [4,1; 8,3] aus.
Einordnung
Die Metadaten des Sprachboards nennen n=50 für den FLEURS-Corpus, aber weder Konfidenzniveau noch Berechnungsmethode des veröffentlichten Intervalls. Die exakte MAI-Transcribe-2-Zeile enthält einen Batchwert; ein MAI-Streamingwert steht dort nicht.
Quelle Speko speech-to-text benchmarks
Speko FLEURS Indonesian id_id, batch WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
2,1
Messgröße
Word error rate (WER), batch
Einheit
%
Benchmark-Version
FLEURS id_id; Speko batch board dated 2026-10-09
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
50
Untere Konfidenzgrenze
1.2
Obere Konfidenzgrenze
3.4
Quellentyp
independent-evaluator
Auswertung
Speko speech-to-text benchmarks
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Das indonesische Speko-Board nennt FLEURS id_id, n=50, Corpus-WER, Batchmodus und den 9. Oktober 2026. Die exakte Zeile azure:MAI-Transcribe-2 weist 2,1 % WER und das Intervall [1,2; 3,4] aus.
Einordnung
Die Metadaten des Sprachboards nennen n=50 für den FLEURS-Corpus, aber weder Konfidenzniveau noch Berechnungsmethode des veröffentlichten Intervalls. Die exakte MAI-Transcribe-2-Zeile enthält einen Batchwert; ein MAI-Streamingwert steht dort nicht.
Quelle Speko speech-to-text benchmarks
Speko FLEURS Swahili sw_ke, batch WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
9,6
Messgröße
Word error rate (WER), batch
Einheit
%
Benchmark-Version
FLEURS sw_ke; Speko batch board dated 2026-10-09
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
50
Untere Konfidenzgrenze
6.7
Obere Konfidenzgrenze
12.5
Quellentyp
independent-evaluator
Auswertung
Speko speech-to-text benchmarks
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Das swahilische Speko-Board nennt FLEURS sw_ke, n=50, Corpus-WER, Batchmodus und den 9. Oktober 2026. Die exakte Zeile azure:MAI-Transcribe-2 weist 9,6 % WER und das Intervall [6,7; 12,5] aus.
Einordnung
Die Metadaten des Sprachboards nennen n=50 für den FLEURS-Corpus, aber weder Konfidenzniveau noch Berechnungsmethode des veröffentlichten Intervalls. Die exakte MAI-Transcribe-2-Zeile enthält einen Batchwert; ein MAI-Streamingwert steht dort nicht.
Quelle Speko speech-to-text benchmarks
Omi batch medical WER, MAI-Transcribe-2 (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
1,18
Messgröße
medical word error rate (Medical WER)
Einheit
%
Benchmark-Version
Omi Medical Speech-to-Text Benchmark, September 2026, edition 2026-09-26.1
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
2872
Quellentyp
community-reported
Auswertung
Omi Health Medical Speech-to-Text Benchmark
Status
active
Abrufdatum
2026-10-17
Methodik
Community-Messung. Exakte ausgewertete Modellzeile Microsoft MAI-Transcribe-2, Batch-Modus. Omis Ausgabe vom September 2026 wertet 1.513 englischsprachige Aufnahmen (7,2 Stunden) aus. Die medizinische Wortfehlerrate verwendet 2.872 medizinische Referenzwörter, die Arzneimittelfehlerrate 442 Referenzvorkommen und der Abgleich von Dosierungen und Einheiten 94 Referenzereignisse. Die Zeitmessung umfasst 200 kurze Clips unter 30 Sekunden mit je drei Durchläufen (600 Timing-Beobachtungen); Drittanbieter-APIs wurden aus Frankfurt gemessen. Eine unveränderliche Serving-Revision wird nicht genannt.
Einordnung
Omi betreibt mit Omi medical-1 ein eigenes konkurrierendes medizinisches Spracherkennungsprodukt und veröffentlicht diese Vergleichsauswertung selbst. Die Ergebnisse sind daher als community-reported und nicht als neutrale unabhängige Reproduktion einzuordnen. Omi verwendet dieselben Aufnahmen und denselben Scorer für alle verglichenen Modelle und erklärt, dass kleine Abstände keine statistische Signifikanz belegen. Ein Konfidenzintervall wird nicht veröffentlicht. Der Referenzwort-Nenner des allgemeinen WER fehlt; 1.513 bezeichnet die gemeinsame Anzahl der Aufnahmen. Das Batch-Timing n=600 umfasst drei Durchläufe über 200 Clips, nicht 600 verschiedene Clips. Die Serving-Revision ist nicht gepinnt.
Quelle Omi Health Medical Speech-to-Text Benchmark
Omi batch overall WER, MAI-Transcribe-2 (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
5,64
Messgröße
overall word error rate (WER)
Einheit
%
Benchmark-Version
Omi Medical Speech-to-Text Benchmark, September 2026, edition 2026-09-26.1
Kategorie
audio
Richtung
Weniger ist besser
Quellentyp
community-reported
Auswertung
Omi Health Medical Speech-to-Text Benchmark
Status
active
Abrufdatum
2026-10-17
Methodik
Community-Messung. Exakte ausgewertete Modellzeile Microsoft MAI-Transcribe-2, Batch-Modus. Omis Ausgabe vom September 2026 wertet 1.513 englischsprachige Aufnahmen (7,2 Stunden) aus. Die medizinische Wortfehlerrate verwendet 2.872 medizinische Referenzwörter, die Arzneimittelfehlerrate 442 Referenzvorkommen und der Abgleich von Dosierungen und Einheiten 94 Referenzereignisse. Die Zeitmessung umfasst 200 kurze Clips unter 30 Sekunden mit je drei Durchläufen (600 Timing-Beobachtungen); Drittanbieter-APIs wurden aus Frankfurt gemessen. Eine unveränderliche Serving-Revision wird nicht genannt.
Einordnung
Omi betreibt mit Omi medical-1 ein eigenes konkurrierendes medizinisches Spracherkennungsprodukt und veröffentlicht diese Vergleichsauswertung selbst. Die Ergebnisse sind daher als community-reported und nicht als neutrale unabhängige Reproduktion einzuordnen. Omi verwendet dieselben Aufnahmen und denselben Scorer für alle verglichenen Modelle und erklärt, dass kleine Abstände keine statistische Signifikanz belegen. Ein Konfidenzintervall wird nicht veröffentlicht. Der Referenzwort-Nenner des allgemeinen WER fehlt; 1.513 bezeichnet die gemeinsame Anzahl der Aufnahmen. Das Batch-Timing n=600 umfasst drei Durchläufe über 200 Clips, nicht 600 verschiedene Clips. Die Serving-Revision ist nicht gepinnt.
Quelle Omi Health Medical Speech-to-Text Benchmark
Omi batch drug-term error rate, MAI-Transcribe-2 (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
2,04
Messgröße
drug-term error rate
Einheit
%
Benchmark-Version
Omi Medical Speech-to-Text Benchmark, September 2026, edition 2026-09-26.1
Kategorie
audio
Richtung
Weniger ist besser
Stichprobe
442
Quellentyp
community-reported
Auswertung
Omi Health Medical Speech-to-Text Benchmark
Status
active
Abrufdatum
2026-10-17
Methodik
Community-Messung. Exakte ausgewertete Modellzeile Microsoft MAI-Transcribe-2, Batch-Modus. Omis Ausgabe vom September 2026 wertet 1.513 englischsprachige Aufnahmen (7,2 Stunden) aus. Die medizinische Wortfehlerrate verwendet 2.872 medizinische Referenzwörter, die Arzneimittelfehlerrate 442 Referenzvorkommen und der Abgleich von Dosierungen und Einheiten 94 Referenzereignisse. Die Zeitmessung umfasst 200 kurze Clips unter 30 Sekunden mit je drei Durchläufen (600 Timing-Beobachtungen); Drittanbieter-APIs wurden aus Frankfurt gemessen. Eine unveränderliche Serving-Revision wird nicht genannt.
Einordnung
Omi betreibt mit Omi medical-1 ein eigenes konkurrierendes medizinisches Spracherkennungsprodukt und veröffentlicht diese Vergleichsauswertung selbst. Die Ergebnisse sind daher als community-reported und nicht als neutrale unabhängige Reproduktion einzuordnen. Omi verwendet dieselben Aufnahmen und denselben Scorer für alle verglichenen Modelle und erklärt, dass kleine Abstände keine statistische Signifikanz belegen. Ein Konfidenzintervall wird nicht veröffentlicht. Der Referenzwort-Nenner des allgemeinen WER fehlt; 1.513 bezeichnet die gemeinsame Anzahl der Aufnahmen. Das Batch-Timing n=600 umfasst drei Durchläufe über 200 Clips, nicht 600 verschiedene Clips. Die Serving-Revision ist nicht gepinnt.
Quelle Omi Health Medical Speech-to-Text Benchmark
Omi batch dose/unit matches, MAI-Transcribe-2 (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
85,11
Messgröße
dose/unit reference-event match rate
Einheit
%
Benchmark-Version
Omi Medical Speech-to-Text Benchmark, September 2026, edition 2026-09-26.1
Kategorie
audio
Richtung
Mehr ist besser
Stichprobe
94
Quellentyp
community-reported
Auswertung
Omi Health Medical Speech-to-Text Benchmark
Status
active
Abrufdatum
2026-10-17
Methodik
Community-Messung. Exakte ausgewertete Modellzeile Microsoft MAI-Transcribe-2, Batch-Modus. Omis Ausgabe vom September 2026 wertet 1.513 englischsprachige Aufnahmen (7,2 Stunden) aus. Die medizinische Wortfehlerrate verwendet 2.872 medizinische Referenzwörter, die Arzneimittelfehlerrate 442 Referenzvorkommen und der Abgleich von Dosierungen und Einheiten 94 Referenzereignisse. Die Zeitmessung umfasst 200 kurze Clips unter 30 Sekunden mit je drei Durchläufen (600 Timing-Beobachtungen); Drittanbieter-APIs wurden aus Frankfurt gemessen. Eine unveränderliche Serving-Revision wird nicht genannt.
Einordnung
Omi betreibt mit Omi medical-1 ein eigenes konkurrierendes medizinisches Spracherkennungsprodukt und veröffentlicht diese Vergleichsauswertung selbst. Die Ergebnisse sind daher als community-reported und nicht als neutrale unabhängige Reproduktion einzuordnen. Omi verwendet dieselben Aufnahmen und denselben Scorer für alle verglichenen Modelle und erklärt, dass kleine Abstände keine statistische Signifikanz belegen. Ein Konfidenzintervall wird nicht veröffentlicht. Der Referenzwort-Nenner des allgemeinen WER fehlt; 1.513 bezeichnet die gemeinsame Anzahl der Aufnahmen. Das Batch-Timing n=600 umfasst drei Durchläufe über 200 Clips, nicht 600 verschiedene Clips. Die Serving-Revision ist nicht gepinnt.
Quelle Omi Health Medical Speech-to-Text Benchmark

Seite 1 von 4

Alle technischen Daten

Architektur

Modellklasse
Spracherkennung
Quelle: Modellklasse

Ein- und Ausgabe

Eingabe
Aufgenommenes Audio
Quelle: Eingabe
Ausgabe
Transkript mit Zeitstempeln und Sprecherzuordnung
Quelle: Ausgabe
Sprachen
60 Sprachen
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
Quelle: API-Modellkennung

Weitere Angaben

Vorschau-Bedingungen
Öffentliche Vorschau ohne SLA
Quelle: Vorschau-Bedingungen
Funktionen
Sprecherzuordnung, Zeitstempel und Domain-Biasing
Quelle: Funktionen

Preise

Einführungspreis
0,10 $ pro Audiostunde als EinführungspreisQuelle

Quellen und Datenstand

Alle 15 Quellen anzeigen

Benchmarkquellen im Überblick

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

AuswerterTestreihenGesamtindizesErfasste aktive Messwerte
Artificial Analysis001

Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten. 1 Messwerte sind noch keiner Testreihe zugeordnet.

ArtNachweis und Datenstand
RecherchestandRecherchestand 4. Oktober 2026. 14 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
Nicht veröffentlicht

ocular-upstream-serving-revision-and-ci

Hinweis

Der Ocular-Bericht nennt die OpenRouter-ID, aber keine unveränderliche Upstream-Serving-Revision oder Konfidenzgrenze für WER.

Weitere QuelleMicrosoft MAI Transcribe preview documentation (abgerufen 3. Oktober 2026; 16. Oktober 2026; 17. Oktober 2026) · Microsoft MAI Transcribe preview documentation · Redaktionelle Beschreibung geprüft am 3. Oktober 2026
Weitere QuelleMicrosoft MAI-Transcribe-2 release (abgerufen 3. Oktober 2026; 4. Oktober 2026; 16. Oktober 2026) · Microsoft MAI-Transcribe-2 release · Redaktionelle Beschreibung geprüft am 3. Oktober 2026
Weitere QuelleMicrosoft MAI-Transcribe-2 model page (abgerufen 3. Oktober 2026) · Microsoft MAI-Transcribe-2 model page · Redaktionelle Beschreibung geprüft am 3. Oktober 2026
Weitere QuelleArtificial Analysis (abgerufen 16. Oktober 2026)
Weitere QuelleAppen MedTerm-90 (abgerufen 16. Oktober 2026)
Weitere QuellePERIT-STT, Perit (abgerufen 17. Oktober 2026)
Weitere QuelleOcular AI, Converse-STT (abgerufen 17. Oktober 2026)
Weitere QuelleDavid AI Research, DAI-ASR-I18N (abgerufen 17. Oktober 2026; 19. Oktober 2026; 20. Oktober 2026)
Weitere QuelleSpeko speech-to-text benchmarks (abgerufen 17. Oktober 2026)
Weitere QuelleOmi Health Medical Speech-to-Text Benchmark (abgerufen 17. Oktober 2026; 23. Oktober 2026)
Weitere QuelleMicrosoft Foundry Labs (abgerufen 23. Oktober 2026)
Weitere QuelleModulate speech-to-text benchmark (abgerufen 23. Oktober 2026)
Weitere QuelleModellmetadaten (abgerufen 17. Oktober 2026)12
Weitere QuelleModellmetadaten (abgerufen 17. Oktober 2026; 23. Oktober 2026)