Source: https://ailoot.ai/models/cs/microsoft-mai-transcribe-2/ Canonical: https://ailoot.ai/models/cs/microsoft-mai-transcribe-2/ Language: cs # Microsoft AI: MAI-Transcribe 2 [Markdown](https://ailoot.ai/models/cs/microsoft-mai-transcribe-2/index.md) · [JSON](https://ailoot.ai/models/cs/microsoft-mai-transcribe-2/facts.json) ## [Microsoft AI: MAI-Transcribe 2](https://ailoot.ai/models/cs/microsoft-mai-transcribe-2/) Microsoft AI MAI-Transcribe 2 převádí zaznamenanou řeč na text v 60 jazycích s automatickým určením jazyka a přepínáním jazyků. Přidává rozlišení mluvčích, časování slov, nápovědu klíčových slov a čistý či doslovný styl pro záznamy schůzek, titulky, prohledávatelný zvuk a odborné diktování. - [**Ailoot Ultra · Přepis řeči** `POST /v1/audio/transcriptions` `microsoft/mai-transcribe-2`](https://ailoot.ai/models/cs/microsoft-mai-transcribe-2/#method-0) O modelu Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu. Microsoft AI MAI-Transcribe 2 je edice pro převod zaznamenaného zvuku z řeči na text z druhé generace přepisovací rodiny Microsoftu. Převádí mluvený obsah do písemného textu v 60 jazycích s automatickým určením jazyka a podporou řeči přepínající mezi jazyky. Model přidává rozlišení mluvčích, časování na úrovni slov a volitelné styly přepisu. Užitečnými výstupy jsou přepis schůzky s přiřazením mluvčích, prohledávatelný záznam rozhovoru, data zarovnání titulků nebo ověřený diktát s odbornou terminologií. Nahrávku připravte se zachovaným mluveným materiálem. Výrobce uvádí vstupy WAV, MP3 a FLAC. Původní zvuk uchovejte pro porovnání nejistých slov, jmen a čísel s rozpoznaným textem. Nahrávka může obsahovat hluk v pozadí či proměnlivou kvalitu mikrofonu, s čímž má model pracovat, ale kontrola se má stále soustředit na nejasné nebo překrývající se pasáže. U rozhovoru zachovejte posloupnost replik a pauz místo odstraňování kontextu pomáhajícího vyložit odpověď. Automatické rozpoznání jazyka je užitečné, když jazyk není předem znám. Zdokumentovaná sada 60 jazyků zahrnuje angličtinu, ruštinu, čínštinu, japonštinu, korejštinu, arabštinu, francouzštinu, němčinu, španělštinu, indonéštinu, malajštinu, thajštinu a vietnamštinu. Přepínání jazyků zahrnuje přirozené změny mezi jazyky včetně smíšených dvojic jako Hinglish nebo Spanglish. Rozhraní výrobce přijímá také jednu jazykovou nápovědu, kterou popisuje jako silný pokyn. Použijte ji jen tehdy, když je nahrávka skutečně v uvedeném jazyce, místo vnucování jednoho očekávaného jazyka vícejazyčné konverzaci. Nápověda klíčových slov dodává oborové termíny, zkratky, názvy produktů a vlastní jména, které by jinak mohlo být obtížné rozlišit podle zvuku. Připravte cílený seznam související s nahrávkou, například název projektu, produktovou řadu nebo odborná slova použitá v diskusi. Průvodce obsluhou je popisuje jako nápovědy pro rozpoznávání, nikoli vynucené shody. U technické přednášky zahrňte přesné zápisy pojmenovaných přístrojů a odborných termínů a poté ověřte, zda je přepis umísťuje tam, kde skutečně zazněly. Dodaný termín nedokazuje, že jej mluvčí vyslovil. Styl výstupu volte podle zamýšleného výsledku. Verbatim, zdokumentovaná výchozí volba, zachovává výplňová slova, nedokončené začátky a vlastní opravy. Clean odstraňuje neplynulosti pro čitelnější přepis. Záznam určený ke zkoumání průběhu konverzace může zachovat zaváhání a opravu; čitelný přepis lekce může použít vyčištěné znění. Původní zvuk uchovávejte u obou výsledků. Vyčištění zlepšuje prezentaci mluveného textu a nemá být považováno za samostatný souhrn nebo nový výklad významu mluvčího. Rozlišení mluvčích odděluje repliky podle detekovaného mluvčího a časové značky na úrovni slov dodávají časový posun a délku každého slova. Obslužné rozhraní nabízí také časování úseků nebo žádné časování. Úseky se dělí podle jazyka a při zapnutém rozlišení mluvčích také podle mluvčího. Časová pole používají milisekundy a mohou podporovat navigaci, vyhledávání a úpravy. Označení rozlišují detekované mluvčí; přiřazení označení ke jménu účastníka je samostatný krok kontroly. U titulků používejte ověřené časy slov k přípravě čitelných skupin místo předpokladu, že výsledek rozpoznávání je již hotovým titulkovým souborem. Modelová karta uvádí maximální velikost souboru 300 MB a dvě hodiny. Odkazovaná synchronní reference REST pro zdokumentované rozhraní 2025-10-15 naopak vyžaduje soubor menší než 250 MB a kratší než dvě hodiny. Jde o odlišně zveřejněná omezení modelové karty a obsluhy; připravte soubor v příslušném limitu obslužného rozhraní. Průvodce MAI rovněž uvádí, že rozlišení mluvčích podporuje kratší nahrávky než přepis bez rozlišení. Je-li potřeba přiřazení mluvčích, uspořádejte dlouhý materiál s více mluvčími do soudržných oddílů a pro pozdější kontrolu uchovejte polohu oddílu v původní nahrávce. Zdokumentovaným výstupem jsou strukturovaná přepisová data: úplný text, fráze a na vyžádání informace o mluvčích a časování. Fráze může nést text, jazyk, časový posun a délku; časování slov může propojit rozpoznané slovo se zvukem. U prohledávatelného archivu zachovejte tyto vztahy, aby nalezený termín vedl zpět k nahrávce. V postupu pro schůzky se ověřený přepis stává vstupem pro pozdější shrnutí či extrakci úkolů. Výsledkem hlasového modelu je rozpoznaný obsah, nikoli nezávisle ověřený popis rozhodnutí schůzky. Rozdíl verzí je konkrétní. MAI-Transcribe 1.5 pokrývá 43 jazyků, zatímco tato edice 60 a přidává zdokumentované rozlišení mluvčích, časové značky slov a ovládání Clean/Verbatim. MAI-Transcribe 2 Streaming je samostatný model pro průběžný přepis v reálném čase s vlastními funkcemi; jeho latence prvního částečného výsledku nepopisuje tuto edici pro zaznamenaný zvuk. Před použitím jako zdroje pro titulky, citace či odvozený dokument ověřte přepis vůči zvuku z hlediska jmen, čísel, střídání mluvčích a vícejazyčných pasáží. **Ailoot Ultra · Přepis řeči** `POST /v1/audio/transcriptions` `microsoft/mai-transcribe-2` [`microsoft/mai-transcribe-2`](https://ailoot.ai/models/cs/#m=microsoft%2Fmai-transcribe-2&route=Ultra&caller=microsoft%2Fmai-transcribe-2&fmt=transcriptions) Microsoft AI /`microsoft/mai-transcribe-2` ### Úvod Microsoft AI MAI-Transcribe 2 převádí zaznamenanou řeč na text v 60 jazycích s automatickým určením jazyka a přepínáním jazyků. Přidává rozlišení mluvčích, časování slov, nápovědu klíčových slov a čistý či doslovný styl pro záznamy schůzek, titulky, prohledávatelný zvuk a odborné diktování. Přijímané vstupy Zvuk Výsledky Text ### Dostupné v Ailoot · vstupy a metody **Ailoot Ultra · Přepis řeči** `POST /v1/audio/transcriptions` Vstup `audio` Výstup `text` | Pole | Typ | Požadavek | Hodnoty a limity | Výchozí | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | PožadavekPovinné | Hodnoty a limity microsoft/mai-transcribe-2 | Výchozí— | | Pole`input_audio` | Typ`object` | PožadavekPovinné | Hodnoty a limity | Výchozí— | | Pole`language` | Typ`string` | PožadavekVolitelné | Hodnoty a limity | Výchozí— | | Pole`temperature` | Typ`number` | PožadavekVolitelné | Hodnoty a limity Minimum: 0 Maximum: 1 | Výchozí— | | Pole`response_format` | Typ`string` | PožadavekVolitelné | Hodnoty a limity json, verbose\_json | Výchozíjson | | Pole`timestamp_granularities` | Typ`array` | PožadavekVolitelné | Hodnoty a limity | Výchozí— | | Pole`provider` | Typ`object` | PožadavekVolitelné | Hodnoty a limity | Výchozí— | Parametry a životní cyklus metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktmodel, input\_audio | | Parametr`material_types` | Kontraktaudio | | Parametr`material_conditions` | KontraktNačtěte skutečný soubor WAV a zakódujte jeho skutečné bajty pro deklarovaný vstup JSON input\_audio; pro tuto přesnou deklaraci omezenou na JSON se nenabízí žádná trasa multipart. | Životní cyklus: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · skutečně vrácené task\_id nebo záznam v knihovně médií `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Tarify ##### Jak se vypočítá konečný poplatek Zobrazené sazby slouží k odhadu ceny před generováním. Konečný poplatek se vypočítá z nákladů zaznamenaných u původního generování. Naměřená délka výstupu ani odhadovaná množství nejsou konečným účtovaným množstvím. Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody. Rychlý režim Neuvedeno Při výběru rychlého režimu Režim flex Neuvedeno Při výběru režimu flex Maximální intenzita uvažování Neuvedeno Když se při maximální intenzitě uvažování použije výchozí úprava (default) #### Odhadované sazby pro srovnání #### Ceny podle konfigurace Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu. | Konfigurace | Tabulka sazeb | Předpokládané množství | Účtovací jednotka | Poplatek | | --- | --- | --- | --- | --- | | KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Předpokládané množství— | Účtovací jednotka— | Poplatek Vstup · Vstupní tokeny · Odhad pouze pro srovnání **—** / 1K tokenů Výstup · Výstupní tokeny · Odhad pouze pro srovnání **—** / 1K tokenů Vstup · Čtení z mezipaměti · Odhad pouze pro srovnání **—** / 1K tokenů Vstup · Zápis do mezipaměti · Odhad pouze pro srovnání **—** / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina · Odhad pouze pro srovnání **—** / 1K tokenů | | Konfiguracehodina vstupního zvuku | Tabulka sazeb— | Předpokládané množství— | Účtovací jednotkaza hodinu vstupního zvuku | Poplatek Vstup · hodina vstupního zvuku · Odhad pouze pro srovnání **$0.2** za hodinu vstupního zvuku | | KonfiguraceOdhadovaná cena generování | Tabulka sazeb— | Předpokládané množstvíodhad pro jedno generování | Účtovací jednotka— | Poplatek Výstup · Odhadovaná cena generování · Odhad pouze pro srovnání **$0.00005555555555555556** odhad před generováním Tento odhad není dodatečným poplatkem ani pevnou sazbou za dokončené generování. | Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. [Jak funguje rezervace a vyúčtování →](https://ailoot.ai/docs/cs/billing/reserve/) ### Příklady požadavků #### Ailoot Ultra · Přepis řeči curl · přesné nativní tělo požadavku a úplný výsledek ```bash set -eu : "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Přijímání a ukládání výsledků #### Ailoot Ultra · Přepis řeči - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Další načtení obsahu Načíst existující soubory, které vám patří ```bash set -eu : "${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. ``` ##### Uchovejte všechny dokončené výsledky Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu. Uchovejte úplnou odpověď a hlavičky, všechny skutečné výstupy, původní vrácené identifikátory a všechna pole s údaji o využití. Obnovte původní operaci bez opětovného odeslání požadavku na vytvoření. ##### Pokud je nutné ověřit původní odpověď Uchovejte vrácené X-Client-Request-ID pro spárování záznamů. Načítejte pouze skutečně vrácené hodnoty task\_id/asset\_id nebo vlastní knihovnu médií; nikdy nevytvářejte URL úlohy z ID operace a nikdy znovu neodesílejte požadavek na vytvoření. Pole odpovědi | Pole | Typ | | --- | --- | | Pole`text` | Typ | | Pole`usage` | Typ | | Pole`segments[]` | Typ | | Pole`words[]` | Typ | | Pole`speaker fields` | Typ | | Pole`timestamps` | Typ | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`microsoft/mai-transcribe-2`](https://ailoot.ai/models/cs/#m=microsoft%2Fmai-transcribe-2&route=Ultra&caller=microsoft%2Fmai-transcribe-2&fmt=transcriptions) #### Aliasy cest metod Použijte cesty metod uvedené výše. #### Související ID modelů [`microsoft/mai-transcribe-2`](https://ailoot.ai/models/cs/#m=microsoft%2Fmai-transcribe-2&route=Ultra&caller=microsoft%2Fmai-transcribe-2&fmt=transcriptions) FAQ · Microsoft AI: MAI-Transcribe 2 Jaké vstupy a výsledky jsou dostupné? `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-2`: `audio` → `text` Jaká pole požadavek používá? `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-2`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Jaké limity platí? `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-2`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Připojte Ailoot k Claude Code, OpenCode, Hermes nebo vlastní aplikaci. ## Společnost a její portfolio projektů Společnost a její portfolio projektů: miliony zákazníků; měsíční tržby v miliardách. ## Nakupujte tokeny se slevou. Sleva předplatného pro pravidelnou práci. Promo kódy až 50% na nákup tokenů. Předplatné Pro pravidelné požadavky vyberte tarif se slevou. Promo kód až 50% Při nákupu zadejte kód. Cena se přepočítá podle probíhající akce. Výdaje v historii U každého požadavku se uloží model, tokeny a částka. [Vybrat předplatné](https://ailoot.ai/docs/cs/billing/subscriptions/) · [Zobrazit ceny modelů](https://ailoot.ai/models/cs/) ## Připojte API k produktu, který prodáváte. SaaS, aplikace a boti podle nabídky a licenční smlouvy Ailoot. Pro přeprodej požádejte o licenci přeprodejce. Komerční aplikace Začleňte generování textu, obrázků, videa a zvuku do placených funkcí své služby. Licence pro přeprodejce Pošlete popis projektu a způsob poskytování přístupu. Vyžádejte písemné podmínky použití a přeprodeje. Dokumenty na webu Nabídka, licenční smlouva a zásady zpracování dat jsou dostupné před připojením. [Požádat o licenci přeprodejce](mailto:support@ailoot.ai) · [Nabídka a licenční smlouva](https://ailoot.ai/legal/offer?lang=cs) ## Ailoot · Společnost a její portfolio projektů Ailoot staví na dlouhodobých provozních zkušenostech, široké klientské základně, stabilních službách a průběžném sledování KPI. Společnost a její portfolio projektů: miliony zákazníků; měsíční tržby v miliardách. Ailoot využívá tyto provozní zkušenosti k poskytování přístupu přes API k funkcím AI v produktech zákazníků, agentech, aplikacích a automatizacích.