Microsoft AI: MAI-Transcribe 2

يحوّل Microsoft AI MAI-Transcribe 2 الكلام المسجل إلى نص عبر ٦٠ لغة، مع تحديد تلقائي للغة والتبديل بين اللغات. يضيف فصل المتحدثين وتوقيت الكلمات والتوجيه بالكلمات المفتاحية وأسلوبَي التفريغ المنقّح والحرفي لسجلات الاجتماعات والترجمة النصية والصوت القابل للبحث والإملاء المتخصص.

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions microsoft/mai-transcribe-2

عن النموذج

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

Microsoft AI MAI-Transcribe 2 هو إصدار تحويل الكلام إلى نص للصوت المسجل من عائلة التفريغ من الجيل الثاني لدى Microsoft. يحوّل المحتوى المنطوق إلى نص مكتوب عبر ٦٠ لغة، مع تحديد تلقائي للغة ودعم للكلام الذي ينتقل بين اللغات. يضيف النموذج فصل المتحدثين وتوقيتًا على مستوى الكلمات وأنماط تفريغ قابلة للاختيار. تشمل المخرجات المفيدة تفريغ اجتماع منسوبًا للمتحدثين وسجل مقابلة قابلًا للبحث وبيانات محاذاة للترجمة النصية أو إملاء مدققًا يحتوي مصطلحات متخصصة.

أعد التسجيل مع إبقاء المادة المنطوقة سليمة. يذكر المطوّر مدخلات WAV وMP3 وFLAC. أبقِ الصوت الأصلي متاحًا لمقارنة الكلمات والأسماء والأرقام غير المؤكدة بالنص المتعرّف عليه. قد يحتوي التسجيل ضوضاء خلفية أو جودة ميكروفون متغيرة، وقد صُمّم النموذج لمعالجتها، لكن ينبغي أن تظل المراجعة مركّزة على المقاطع غير الواضحة أو المتداخلة. للمقابلة، احتفظ بتسلسل الأدوار والوقفات بدل إزالة السياق الذي يساعد في تفسير رد.

يفيد الكشف التلقائي للغة عندما لا تكون اللغة معروفة مسبقًا. تتضمن المجموعة الموثقة ذات ٦٠ لغة الإنجليزية والروسية والصينية واليابانية والكورية والعربية والفرنسية والألمانية والإسبانية والإندونيسية والملايوية والتايلاندية والفيتنامية. يغطي التبديل اللغوي الانتقالات الطبيعية بين اللغات، بما فيها الأزواج الممزوجة مثل Hinglish أو Spanglish. تقبل واجهة المطوّر كذلك تلميح لغة واحدًا تصفه بأنه تعليمة قوية. استخدمه فقط عندما يكون التسجيل فعلًا باللغة المحددة، بدل إجبار محادثة متعددة اللغات على لغة متوقعة واحدة.

يوفّر التوجيه بالكلمات المفتاحية مصطلحات المجال والاختصارات وأسماء المنتجات والأعلام التي قد يصعب تمييزها من الصوت وحده. أعد قائمة مركّزة مرتبطة بالتسجيل، مثل اسم المشروع أو خط منتجات أو كلمات تقنية مستخدمة في النقاش. يصف دليل تقديم الخدمة هذه العناصر بأنها تلميحات تعرّف وليست مطابقات مفروضة. لمحاضرة تقنية، أدرج التهجئة الدقيقة للأجهزة المسمّاة والمصطلحات المتخصصة، ثم تحقق هل يضعها التفريغ حيث نُطقت فعلًا. المصطلح المقدّم ليس دليلًا على أن المتحدث قاله.

اختر أسلوب الإخراج انطلاقًا من المخرج المقصود. يحتفظ Verbatim، وهو الافتراضي الموثق، بالحشو والبدايات المتعثرة والتصحيحات الذاتية. يزيل Clean اضطرابات الطلاقة لتفريغ أسهل قراءة. يمكن لسجل يُستخدم لفحص كيفية تطور محادثة الحفاظ على التردد والتصحيح؛ ويمكن لتفريغ درس مقروء استخدام الصياغة المنقّحة. احتفظ بالصوت الأصلي بجانب أي من النتيجتين. يحسّن التنقيح عرض النص المنطوق، وينبغي ألا يُعامل كملخص منفصل أو تفسير جديد لما قصده المتحدث.

يفصل فصل المتحدثين الأدوار حسب المتحدث المكتشف، وتوفّر الطوابع الزمنية على مستوى الكلمات إزاحة ومدة لكل كلمة. تتيح واجهة تقديم الخدمة كذلك توقيت المقاطع أو عدم التوقيت. تُقسّم المقاطع بحسب اللغة، وبحسب المتحدث عند تفعيل فصله. تستخدم حقول التوقيت المللي ثانية ويمكن أن تدعم التنقل والبحث والتحرير. تميّز التسميات المتحدثين المكتشفين؛ ومطابقة تسمية مع اسم مشارك خطوة مراجعة منفصلة. للترجمة النصية، استخدم توقيتات الكلمات المدققة لإعداد مجموعات عرض مقروءة بدل افتراض أن نتيجة التعرف ملف ترجمة نصية مكتمل بالفعل.

تذكر بطاقة النموذج حدًا أقصى لحجم الملف ٣٠٠ MB ومدة ساعتين. ويشترط مرجع REST المتزامن المرتبط للواجهة الموثقة 2025-10-15 بدلًا من ذلك ملفًا أصغر من ٢٥٠ MB وأقصر من ساعتين. هذه قيود منشورة مختلفة لبطاقة النموذج وتقديم الخدمة؛ أعد ملفًا ضمن حد الخدمة المعمول به. يذكر دليل MAI كذلك أن فصل المتحدثين يدعم تسجيلات أقصر من التفريغ دون فصلهم. نظّم المادة الطويلة متعددة المتحدثين في أقسام متماسكة عندما تلزم نسبة الكلام إلى متحدث، واحتفظ بموضع القسم في التسجيل الأصلي للمراجعة لاحقًا.

الإخراج الموثق بيانات تفريغ منظّمة: النص الكامل والعبارات، وعند الطلب معلومات المتحدث والتوقيت. قد تحمل العبارة نصها ولغتها وإزاحتها ومدتها؛ ويمكن لتوقيت الكلمة ربط كلمة متعرّف عليها بالصوت. لأرشيف قابل للبحث، احفظ هذه العلاقات حتى يقود مصطلح عُثر عليه إلى التسجيل. لمسار اجتماعات، يصبح التفريغ المدقق مدخلًا لتلخيص لاحق أو استخراج بنود إجراءات. نتيجة نموذج الكلام هي المحتوى المتعرّف عليه، وليست رواية متحققًا منها بصورة مستقلة لقرارات الاجتماع.

الفرق بين الإصدارات ملموس. يغطي MAI-Transcribe 1.5 عددًا يبلغ ٤٣ لغة، بينما يغطي هذا الإصدار ٦٠ ويضيف عناصر التحكم الموثقة لفصل المتحدثين وطوابع الكلمات الزمنية وأسلوب clean/verbatim. أما MAI-Transcribe 2 Streaming فهو نموذج منفصل للتفريغ الآني المتزايد بمجموعة ميزاته الخاصة؛ ولا يصف زمن أول جزء من نتيجته هذا الإصدار للصوت المسجل. تحقق من التفريغ مقابل الصوت للأسماء والأرقام وأدوار المتحدثين والمقاطع مختلطة اللغات قبل استخدامه مصدرًا لترجمة نصية أو اقتباسات أو مستند مشتق.

Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions microsoft/mai-transcribe-2

microsoft/mai-transcribe-2

Microsoft AI /microsoft/mai-transcribe-2

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-2	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 $0.2 لكل ساعة صوت مُدخل
الإعداداتتكلفة التوليد التقديرية	جدول التعرفة—	الكمية المتوقعةتقدير لتوليد واحد	وحدة الفوترة—	الرسوم الإخراج · تكلفة التوليد التقديرية · تقدير للمقارنة فقط $0.00005555555555555556 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-2', '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-2

الأسماء البديلة لمسارات الطرائق

استخدم مسارات الطرائق المعروضة أعلاه.

معرّفات النماذج ذات الصلة IDs

microsoft/mai-transcribe-2

FAQ · Microsoft AI: MAI-Transcribe 2

ما المدخلات والنتائج المتاحة؟: POST /v1/audio/transcriptions · microsoft/mai-transcribe-2: audio → text
ما الحقول التي يستخدمها الطلب؟: POST /v1/audio/transcriptions · microsoft/mai-transcribe-2: model, input_audio, language, temperature, response_format, timestamp_granularities, provider
ما الحدود المطبقة؟: POST /v1/audio/transcriptions · microsoft/mai-transcribe-2: temperature.minimum: 0; temperature.maximum: 1

Microsoft AI: MAI-Transcribe 2