Microsoft AI: MAI-Transcribe 1.5

يحوّل Microsoft AI MAI-Transcribe 1.5 الكلام المسجل إلى نص عبر ٤٣ لغة، مع تحديد تلقائي للغة وتركيز على اللكنات والصوت المشوش. تصف بطاقته التوجيه بالكلمات المفتاحية المدرك للمجال للأسماء والمصطلحات المتخصصة. استخدم التفريغ أساسًا لملاحظات أو ترجمة نصية مدققة.

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions microsoft/mai-transcribe-1.5

عن النموذج

يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.

Microsoft AI MAI-Transcribe 1.5 هو نموذج تحويل الكلام إلى نص لتحويل الصوت المسجل إلى محتوى مكتوب. تصف بطاقته الدقيقة التعرف عبر ٤٣ لغة والتحديد التلقائي للغة والمتانة عبر اللكنات واللهجات وأساليب الكلام والظروف المشوشة. يوسع الإصدار مجموعة MAI-Transcribe 1 ذات ٢٥ لغة بثماني عشرة لغة. نتيجة مفيدة هي الكلام المكتوب من محاضرة أو مقابلة أو مكالمة أو ملاحظة صوتية، جاهزًا للتحقق منه مقابل التسجيل قبل خطوة تحرير أو تحليل لاحقة.

أعد تسجيلًا كاملًا مفهومًا بإحدى صيغ المطوّر المدرجة: WAV أو MP3 أو FLAC. احتفظ بالملف الأصلي وأي تقسيم إلى أقسام حتى يمكن مقارنة التفريغ بالصوت. لمحاضرة، احتفظ بالعبارات حول مصطلح تقني بدل استخراج الكلمة الصعبة وحدها. لملاحظة صوتية، احفظ تصحيحًا يغير اسمًا أو وقتًا أو رقمًا. يوفّر الكلام المحيط سياقًا للتعرف على ما قيل، ويمكن لمراجعة المستمع تحديد مواضع تحتاج فيها النتيجة تصحيحًا.

يتيح تحديد اللغة التلقائي معالجة تسجيل دون اشتراط اختيار لغة مسبقًا. تتضمن المجموعة ذات ٤٣ لغة الإنجليزية والفرنسية والألمانية والإيطالية والإسبانية والهندية والصينية واليابانية والكورية والعربية والإندونيسية والروسية والتايلاندية والفيتنامية. تشمل اللغات المضافة البلغارية والكتالانية واليونانية والأوكرانية وعدة لغات من جنوب آسيا. تحقق من انتماء اللغة المقصودة إلى مجموعة هذا الإصدار بدل استعارة تغطية MAI-Transcribe 2 الأوسع. للمجموعات متعددة اللغات، احتفظ بلغة التسجيل مع النص المراجع حتى يتبع التحرير اللاحق المحتوى المنطوق الفعلي.

تصف بطاقة نموذج 1.5 التوجيه بالكلمات المفتاحية أو الكيانات حتى ٢٠٠ مصطلح، ويشرح إصداره الغرض: إتاحة الأسماء المرجحة والاختصارات والكلمات المتخصصة كسياق. يصف المطوّر تلميحات سياقية بدل فرض الكلمات المقدمة عشوائيًا في النتيجة. أعد مفردات ذات صلة، مثل اسم المشروع أو جهاز تقني أو التهجئة الصحيحة لشخص يُناقش في التسجيل. استخدم تلك المصطلحات كسياق للتسجيل الفعلي وتحقق من المصطلحات المتعرّف عليها مقابل الكلام.

لدرس هندسي مسجل، أعد أسماء الأجهزة التي يناقشها والتهجئة الدقيقة لأي اختصار مشروع. اكتب تهجئاتها الدقيقة في قائمة مصطلحات مركّزة واحتفظ بالقائمة بجانب الصوت والتفريغ. راجع تلك المواضع مقابل المقاطع المنطوقة بدل اعتبار إدخال في المفردات دليلًا على مطابقة. قد تظل الأسماء المتشابهة صوتيًا بحاجة إلى تحقق. ينبغي أن تحفظ النتيجة الكلمات المنطوقة فعلًا، بما فيها تصحيح أو قيد يغير معناها.

يركّز المصنّع على الأداء مع صوت الواقع، بما فيه ضوضاء الخلفية وظروف الميكروفون المتنوعة. يمكن للمراجعة العملية التركيز على مقاطع فيها كلام متزامن أو أصوات خافتة أو كلمات يحجبها جزئيًا صوت آخر. أبقِ أوجه عدم اليقين مرتبطة بالمقطع الصوتي المقابل بدل ملئها بافتراضات عن الموضوع. قد تظل جملة معقولة تحتوي اسم علم أو رقمًا خاطئًا. لتفريغ مكالمة، المخرج المفيد سجل مدقق للمحتوى المنطوق يستطيع تحليل لاحق استخدامه، وليس رواية مخمّنة لقصد المتصل.

تذكر بطاقة نموذج 1.5 الدقيقة حدًا أقصى لحجم الملف ٣٠٠ MB ومدة ساعتين. يصف مرجع REST المرتبط للتفريغ المتزامن مدخل خدمة أشد تقييدًا: أصغر من ٢٥٠ MB وأقصر من ساعتين. هذه حدود مذكورة منفصلًا لبطاقة النموذج والواجهة. أعد الملفات ضمن سماح الواجهة المقصودة ونظّم المادة الأطول عند حدود تسجيل ذات معنى. يتعلق حد حجم الملف بالصوت المشفّر، بينما يتعلق حد المدة بطول التسجيل المنطوق؛ ولا يعرّف أيهما نافذة سياق نموذج نصي.

إخراج مثال بطاقة النموذج هو JSON يحتوي مدة التسجيل والنص المتعرّف عليه المجمّع. يمكن للنص أن يصبح تفريغًا ميسّرًا أو نصًا للترجمة المرئية أو مدخلًا لتلخيص وبحث لاحقين. تجميع وحدات الترجمة النصية ومحاذاتها مع التسجيل إعداد منفصل عندما لا تتضمن النتيجة بيانات التوقيت المطلوبة. لسجلات المقابلات، تحتاج نسبة جملة إلى مشارك مسمّى سجلًا منفصلًا مدققًا لمن تكلم. احتفظ بالصياغة المتعرّف عليها والصوت كأساس لتلك المخرجات اللاحقة.

تهم حدود الإصدار عند تخطيط الإخراج. تضع بطاقة 1.5 فصل المتحدثين صراحة خارج قدراتها المدعومة، وتنسب مقارنة الإصدارات لدى المطوّر الطوابع الزمنية على مستوى الكلمات وعناصر أسلوب clean/verbatim إلى MAI-Transcribe 2. كذلك نموذج التدفق الأصلي إصدار منفصل. لذلك يركز إصدار 1.5 هذا على النص المتعرّف عليه من التسجيلات وسياق مجاله الموثق، دون تحويل ميزات المتحدثين أو التوقيت أو الإدخال المباشر الخاصة بإصدار آخر إلى جزء من النتيجة. راجع الأسماء والأرقام والمصطلحات التقنية والكلام غير الواضح قبل إعداد مقطع مقتبس أو مسار ترجمة نصية أو مستند مشتق.

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions microsoft/mai-transcribe-1.5

microsoft/mai-transcribe-1.5

Microsoft AI /microsoft/mai-transcribe-1.5

البداية

المدخلات المقبولة: الصوت
النتائج: النص

متاح في Ailoot · المدخلات والطرائق

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions

الإدخال: audio
الإخراج: text

الحقل	النوع	المتطلب	القيم والحدود	القيمة الافتراضية
الحقل`model`	النوع`string`	المتطلبمطلوب	القيم والحدود microsoft/mai-transcribe-1.5	القيمة الافتراضية—
الحقل`input_audio`	النوع`object`	المتطلبمطلوب	القيم والحدود	القيمة الافتراضية—
الحقل`language`	النوع`string`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—
الحقل`temperature`	النوع`number`	المتطلباختياري	القيم والحدود الحد الأدنى: ⁦0⁩ الحد الأقصى: ⁦1⁩	القيمة الافتراضية—
الحقل`response_format`	النوع`string`	المتطلباختياري	القيم والحدود json, verbose_json	القيمة الافتراضيةjson
الحقل`timestamp_granularities`	النوع`array`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—
الحقل`provider`	النوع`object`	المتطلباختياري	القيم والحدود	القيمة الافتراضية—

معلمات الطريقة ودورة حياتها

المعلمة	المواصفات
المعلمة`content_type`	المواصفاتapplication/json
المعلمة`required`	المواصفاتmodel, input_audio
المعلمة`material_types`	المواصفاتaudio
المعلمة`material_conditions`	المواصفاتاقرأ ملف WAV فعلياً ورمّز بايتاته الحقيقية لإدخال input_audio المُعلَن بصيغة JSON؛ ولا يُعرَض مسار multipart لهذا التعريف المحدد الذي يدعم JSON فقط.

دورة الحياة: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · قيمة task_id الفعلية المُعادة أو سجل مكتبة الوسائط

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

الباقات

كيفية احتساب الرسوم النهائية

تقدّر التعرفات المعروضة التكلفة قبل التوليد. تُحسب الرسوم النهائية من التكلفة المسجّلة لعملية التوليد الأصلية. مدة المخرجات المقاسة والكميات المتوقعة ليست الكمية النهائية الخاضعة للفوترة.

مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.

الوضع السريع: غير محدد عند اختيار الوضع السريع
الوضع المرن: غير محدد عند اختيار وضع flex
أقصى جهد للاستدلال: غير محدد عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال

تعرفات تقديرية للمقارنة

الأسعار حسب الإعدادات

طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.

الإعدادات	جدول التعرفة	الكمية المتوقعة	وحدة الفوترة	الرسوم
الإعداداتالتعرفات الأساسية للرموز	جدول التعرفةالتعرفة الأساسية	الكمية المتوقعة—	وحدة الفوترة—	الرسوم الإدخال · رموز الإدخال · تقدير للمقارنة فقط — / 1K من الرموز الإخراج · رموز الإخراج · تقدير للمقارنة فقط — / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت · تقدير للمقارنة فقط — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت · تقدير للمقارنة فقط — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة · تقدير للمقارنة فقط — / 1K من الرموز
الإعداداتساعة من الصوت المُدخل	جدول التعرفة—	الكمية المتوقعة—	وحدة الفوترةلكل ساعة صوت مُدخل	الرسوم الإدخال · ساعة من الصوت المُدخل · تقدير للمقارنة فقط $0.72 لكل ساعة صوت مُدخل
الإعداداتتكلفة التوليد التقديرية	جدول التعرفة—	الكمية المتوقعةتقدير لتوليد واحد	وحدة الفوترة—	الرسوم الإخراج · تكلفة التوليد التقديرية · تقدير للمقارنة فقط $0.0002 تقدير قبل الإنشاء هذا التقدير ليس رسومًا إضافية ولا تعرفة ثابتة لعملية التوليد المكتملة.

تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →

أمثلة للطلبات

Ailoot Ultra · تفريغ صوتي

curl · جسم الطلب بالصيغة الأصلية دون تغيير والنتيجة كاملة

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
import base64
audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')
if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')
request={'model': 'microsoft/mai-transcribe-1.5', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}
request['input_audio']['data']=base64.b64encode(audio).decode('ascii')
Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.

استلام النتائج وحفظها

Ailoot Ultra · تفريغ صوتي

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

عمليات أخرى لقراءة المحتوى

قراءة الأصول الموجودة المملوكة لك

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json
# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.

الاحتفاظ بكل النتائج المكتملة

احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.

احتفظ بالاستجابة كاملة وبجميع الترويسات، وبكل مخرج فعلي، وبالمعرّفات الأصلية المُعادة، وبجميع حقول الاستخدام. استعد العملية الأصلية دون إرسال طلب الإنشاء مجددًا.

عند الحاجة إلى التحقق من الاستجابة الأصلية

احتفظ بقيمة X-Client-Request-ID المُعادة للمطابقة. اقرأ فقط قيم task_id/asset_id الفعلية المُعادة أو مكتبة الوسائط المملوكة لك؛ ولا تنشئ عنوان URL لمهمة من معرّف العملية، ولا تُعِد إرسال طلب الإنشاء مطلقًا.

حقول الاستجابة

الحقل	النوع
الحقل`text`	النوع
الحقل`usage`	النوع
الحقل`segments[]`	النوع
الحقل`words[]`	النوع
الحقل`speaker fields`	النوع
الحقل`timestamps`	النوع

الأسماء البديلة

الأسماء البديلة للنموذج

Ailoot Ultra microsoft/mai-transcribe-1.5

الأسماء البديلة لمسارات الطرائق

استخدم مسارات الطرائق المعروضة أعلاه.

معرّفات النماذج ذات الصلة IDs

microsoft/mai-transcribe-1.5

FAQ · Microsoft AI: MAI-Transcribe 1.5

ما المدخلات والنتائج المتاحة؟: POST /v1/audio/transcriptions · microsoft/mai-transcribe-1.5: audio → text
ما الحقول التي يستخدمها الطلب؟: POST /v1/audio/transcriptions · microsoft/mai-transcribe-1.5: model, input_audio, language, temperature, response_format, timestamp_granularities, provider
ما الحدود المطبقة؟: POST /v1/audio/transcriptions · microsoft/mai-transcribe-1.5: temperature.minimum: 0; temperature.maximum: 1

Microsoft AI: MAI-Transcribe 1.5