Source: https://ailoot.ai/models/de-ch/microsoft-mai-transcribe-1-5/ Canonical: https://ailoot.ai/models/de-ch/microsoft-mai-transcribe-1-5/ Language: de-ch # Microsoft AI: MAI-Transcribe 1.5 [Markdown](https://ailoot.ai/models/de-ch/microsoft-mai-transcribe-1-5/index.md) · [JSON](https://ailoot.ai/models/de-ch/microsoft-mai-transcribe-1-5/facts.json) ## [Microsoft AI: MAI-Transcribe 1.5](https://ailoot.ai/models/de-ch/microsoft-mai-transcribe-1-5/) Microsoft AI MAI-Transcribe 1.5 wandelt aufgezeichnete Sprache in 43 Sprachen in Text um, mit automatischer Sprachidentifikation und einem Schwerpunkt auf Akzenten und verrauschtem Audio. Seine Modellkarte beschreibt fachbezogene Schlüsselworthinweise für Namen und Fachbegriffe. Nutzen Sie das Transkript als Grundlage für geprüfte Notizen oder Untertitel. - [**Ailoot Ultra · Transkription** `POST /v1/audio/transcriptions` `microsoft/mai-transcribe-1.5`](https://ailoot.ai/models/de-ch/microsoft-mai-transcribe-1-5/#method-0) Über das Modell Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt. Microsoft AI MAI-Transcribe 1.5 ist ein Sprach-zu-Text-Modell, das aufgezeichnetes Audio in schriftliche Inhalte umwandelt. Seine genaue Modellkarte beschreibt die Erkennung in 43 Sprachen, automatische Sprachidentifikation und Robustheit gegenüber Akzenten, Dialekten, Sprechstilen und geräuschvollen Bedingungen. Die Edition erweitert die 25 Sprachen von MAI-Transcribe 1 um achtzehn Sprachen. Ein nützliches Ergebnis ist der schriftliche Sprechtext eines Vortrags, Interviews, Anrufs oder einer Sprachnotiz, der vor einer späteren Bearbeitung oder Analyse anhand der Aufnahme geprüft werden kann. Bereiten Sie eine vollständige, verständliche Aufnahme in einem der genannten Herstellerformate vor: WAV, MP3 oder FLAC. Bewahren Sie die Originaldatei und ihre mögliche Abschnittseinteilung auf, damit sich das Transkript mit dem Audio vergleichen lässt. Erhalten Sie bei einem Vortrag die Formulierungen um einen Fachbegriff herum, statt nur das schwierige Wort herauszulösen. Bewahren Sie bei einer Sprachnotiz eine Korrektur, die einen Namen, eine Zeit oder eine Zahl ändert. Die umgebende Sprache liefert Kontext zur Erkennung des Gesagten, und die Prüfung durch Zuhörende kann Stellen bestimmen, an denen die Ausgabe korrigiert werden muss. Automatische Sprachidentifikation ermöglicht die Verarbeitung einer Aufnahme, ohne vorher eine Sprache auswählen zu müssen. Die Auswahl von 43 Sprachen umfasst Englisch, Französisch, Deutsch, Italienisch, Spanisch, Hindi, Chinesisch, Japanisch, Koreanisch, Arabisch, Indonesisch, Russisch, Thai und Vietnamesisch. Zu den hinzugefügten Sprachen gehören Bulgarisch, Katalanisch, Griechisch, Ukrainisch und mehrere südasiatische Sprachen. Prüfen Sie, ob die benötigte Sprache zu dieser Edition gehört, statt die breitere Abdeckung von MAI-Transcribe 2 zu übernehmen. Bewahren Sie bei mehrsprachigen Sammlungen die Sprache der Aufnahme zusammen mit dem geprüften Text, damit spätere Bearbeitung dem tatsächlich gesprochenen Inhalt folgt. Die Modellkarte von 1.5 beschreibt Schlüsselwort- oder Entitätshinweise mit bis zu 200 Begriffen; ihre Veröffentlichung erläutert den Zweck: wahrscheinliche Namen, Akronyme und Fachwörter als Kontext bereitzustellen. Der Hersteller beschreibt Kontexthinweise, statt vorgegebene Wörter blind in das Ergebnis zu zwingen. Bereiten Sie relevante Begriffe vor, etwa den Projektnamen, ein technisches Instrument oder die korrekte Schreibweise einer in der Aufnahme besprochenen Person. Nutzen Sie diese Terminologie als Kontext für die tatsächliche Aufnahme und prüfen Sie die erkannten Begriffe anhand des Gesprochenen. Bereiten Sie für eine aufgezeichnete technische Unterrichtseinheit die Namen der besprochenen Instrumente und die genaue Schreibweise jedes Projektakronyms vor. Schreiben Sie diese präzise in eine gezielte Terminologieliste und bewahren Sie die Liste mit Audio und Transkript auf. Prüfen Sie die Vorkommen anhand der gesprochenen Passagen, statt einen Vokabulareintrag als Beweis für einen Treffer zu betrachten. Ähnlich klingende Namen können weiterhin eine Prüfung erfordern. Das Ergebnis sollte die tatsächlich gesprochenen Wörter bewahren, einschliesslich einer Korrektur oder Einschränkung, die deren Bedeutung verändert. Der Hersteller betont die Leistung bei realen Audioaufnahmen, einschliesslich Hintergrundgeräuschen und unterschiedlichen Mikrofonbedingungen. Die praktische Prüfung kann sich auf gleichzeitiges Sprechen, leise Stimmen oder teilweise von anderen Geräuschen überdeckte Wörter konzentrieren. Verknüpfen Sie Unsicherheiten mit der jeweiligen Audiopassage, statt sie durch Annahmen zum Thema zu füllen. Auch ein plausibler Satz kann den falschen Eigennamen oder eine falsche Zahl enthalten. Bei einem Anruftranskript ist das nützliche Ergebnis eine geprüfte Aufzeichnung des Gesagten für die spätere Analyse statt einer erratenen Darstellung der Absicht der anrufenden Person. Die genaue Modellkarte von 1.5 nennt eine maximale Dateigrösse von 300 MB und zwei Stunden. Ihre verlinkte REST-Referenz zur synchronen Transkription beschreibt strengere Eingabegrenzen der Bereitstellung: unter 250 MB und kürzer als zwei Stunden. Das sind getrennt angegebene Grenzen der Modellkarte und der Schnittstelle. Bereiten Sie Dateien innerhalb der Grenzen der vorgesehenen Schnittstelle vor und gliedern Sie längeres Material an sinnvollen Grenzen der Aufnahme. Die Dateigrössengrenze betrifft das kodierte Audio, während die Dauergrenze die Länge der Sprachaufnahme betrifft; keine davon definiert ein Kontextfenster eines Textmodells. Die Beispielausgabe der Modellkarte ist JSON mit Aufnahmedauer und zusammengeführtem erkanntem Text. Der Text kann ein zugängliches Transkript, ein Skript für Untertitel oder eine Eingabe für spätere Zusammenfassungen und Suche werden. Das Gruppieren von Untertiteleinblendungen und ihre Ausrichtung an der Aufnahme sind gesonderte Vorbereitungsschritte, wenn das Ergebnis die nötigen Zeitdaten nicht enthält. Bei Interviewaufzeichnungen benötigt die Zuordnung einer Zeile zu einer namentlich bekannten Person eine separate geprüfte Aufzeichnung darüber, wer gesprochen hat. Bewahren Sie erkannten Wortlaut und Audio als Grundlage dieser späteren Ergebnisse auf. Die Grenzen der Edition sind für die Ausgabeplanung wichtig. Die Modellkarte von 1.5 schliesst Sprechertrennung ausdrücklich aus den unterstützten Fähigkeiten aus, und der Versionsvergleich des Herstellers ordnet Wortzeitstempel und Clean-/Verbatim-Stilregler MAI-Transcribe 2 zu. Auch ein natives Streamingmodell ist eine eigene Edition. Dieses 1.5-Profil konzentriert sich daher auf erkannten Text aus Aufnahmen und seinen dokumentierten Fachkontext, ohne Sprecher-, Zeit- oder Liveeingabefunktionen einer anderen Edition zum Bestandteil des Ergebnisses zu machen. Prüfen Sie Namen, Zahlen, Fachbegriffe und unklare Sprache, bevor Sie ein Zitat, eine Untertitelspur oder ein abgeleitetes Dokument vorbereiten. **Ailoot Ultra · Transkription** `POST /v1/audio/transcriptions` `microsoft/mai-transcribe-1.5` [`microsoft/mai-transcribe-1.5`](https://ailoot.ai/models/de-ch/#m=microsoft%2Fmai-transcribe-1.5&route=Ultra&caller=microsoft%2Fmai-transcribe-1.5&fmt=transcriptions) Microsoft AI /`microsoft/mai-transcribe-1.5` ### Einstieg Microsoft AI MAI-Transcribe 1.5 wandelt aufgezeichnete Sprache in 43 Sprachen in Text um, mit automatischer Sprachidentifikation und einem Schwerpunkt auf Akzenten und verrauschtem Audio. Seine Modellkarte beschreibt fachbezogene Schlüsselworthinweise für Namen und Fachbegriffe. Nutzen Sie das Transkript als Grundlage für geprüfte Notizen oder Untertitel. Zulässige Eingaben Audio Ergebnisse Text ### In Ailoot verfügbar · Eingaben und Methoden **Ailoot Ultra · Transkription** `POST /v1/audio/transcriptions` Eingabe `audio` Ausgabe `text` | Feld | Typ | Anforderung | Werte und Limits | Standard | | --- | --- | --- | --- | --- | | Feld`model` | Typ`string` | AnforderungErforderlich | Werte und Limits microsoft/mai-transcribe-1.5 | Standard— | | Feld`input_audio` | Typ`object` | AnforderungErforderlich | Werte und Limits | Standard— | | Feld`language` | Typ`string` | AnforderungOptional | Werte und Limits | Standard— | | Feld`temperature` | Typ`number` | AnforderungOptional | Werte und Limits Minimum: 0 Maximum: 1 | Standard— | | Feld`response_format` | Typ`string` | AnforderungOptional | Werte und Limits json, verbose\_json | Standardjson | | Feld`timestamp_granularities` | Typ`array` | AnforderungOptional | Werte und Limits | Standard— | | Feld`provider` | Typ`object` | AnforderungOptional | Werte und Limits | Standard— | Methodenparameter und Lebenszyklus | Parameter | Vertrag | | --- | --- | | Parameter`content_type` | Vertragapplication/json | | Parameter`required` | Vertragmodel, input\_audio | | Parameter`material_types` | Vertragaudio | | Parameter`material_conditions` | VertragLesen Sie eine tatsächliche WAV-Datei und codieren Sie deren echte Bytes für die deklarierte JSON-Eingabe input\_audio; für diese exakte, ausschliesslich auf JSON beschränkte Deklaration wird keine multipart-Route angeboten. | Lebenszyklus: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · die tatsächlich zurückgegebene task\_id oder ein Eintrag in der Medienbibliothek `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Tarife ##### So wird die endgültige Gebühr berechnet Die angezeigten Tarife dienen zur Kostenschätzung vor der Generierung. Der endgültige Betrag wird aus den für die ursprüngliche Generierung erfassten Kosten berechnet. Die gemessene Ausgabedauer und prognostizierte Mengen sind nicht die endgültige abrechenbare Menge. Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode. Schnellmodus Nicht angegeben Wenn der Schnellmodus ausgewählt ist Flex-Modus Nicht angegeben Wenn der Modus flex ausgewählt ist Maximaler Denkaufwand Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird #### Geschätzte Tarife zum Vergleich #### Preise nach Konfiguration Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif. | Konfiguration | Tarifstaffel | Prognostizierte Menge | Abrechnungseinheit | Gebühr | | --- | --- | --- | --- | --- | | KonfigurationToken-Basistarife | TarifstaffelGrundtarif | Prognostizierte Menge— | Abrechnungseinheit— | Gebühr Eingabe · Eingabetoken · Schätzung nur zum Vergleich **—** / 1K Tokens Ausgabe · Ausgabetoken · Schätzung nur zum Vergleich **—** / 1K Tokens Eingabe · Cache lesen · Schätzung nur zum Vergleich **—** / 1K Tokens Eingabe · Cache schreiben · Schätzung nur zum Vergleich **—** / 1K Tokens Eingabe · Cache schreiben, 1 Stunde · Schätzung nur zum Vergleich **—** / 1K Tokens | | KonfigurationAudioeingabe-Stunde | Tarifstaffel— | Prognostizierte Menge— | Abrechnungseinheitpro Stunde Eingabeaudio | Gebühr Eingabe · Audioeingabe-Stunde · Schätzung nur zum Vergleich **$0.72** pro Stunde Eingabeaudio | | KonfigurationGeschätzte Erzeugungskosten | Tarifstaffel— | Prognostizierte MengeSchätzung für eine Generierung | Abrechnungseinheit— | Gebühr Ausgabe · Geschätzte Generierungskosten · Schätzung nur zum Vergleich **$0.0002** Schätzung vor der Generierung Diese Schätzung ist weder eine zusätzliche Gebühr noch ein fester Tarif für die abgeschlossene Generierung. | Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. [So funktionieren Reservierung und Abrechnung →](https://ailoot.ai/docs/de-ch/billing/reserve/) ### Beispielanfragen #### Ailoot Ultra · Transkription curl · exakter nativer Request-Body und vollständiges Ergebnis ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path import base64 audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes() if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file') if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow') request={'model': 'microsoft/mai-transcribe-1.5', 'input_audio': {'data': '${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Ergebnisse abrufen und speichern #### Ailoot Ultra · Transkription - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Abrufe anderer Inhalte Vorhandene eigene Dateien abrufen ```bash set -eu : "${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. ``` ##### Alle fertiggestellten Ergebnisse aufbewahren Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf. Die vollständige Antwort und ihre Header, jede tatsächliche Ausgabe, die ursprünglich zurückgegebenen Kennungen und alle Nutzungsfelder aufbewahren. Den ursprünglichen Vorgang wiederaufnehmen, ohne die Erstellung erneut anzufordern. ##### Wenn die ursprüngliche Antwort geprüft werden muss Die zurückgegebene X-Client-Request-ID zum Abgleich aufbewahren. Nur tatsächlich zurückgegebene task\_id-/asset\_id-Werte oder die eigene Medienbibliothek abfragen; niemals eine Aufgaben-URL aus der Vorgangs-ID bilden und die Erstellung niemals erneut anfordern. Antwortfelder | Feld | Typ | | --- | --- | | Feld`text` | Typ | | Feld`usage` | Typ | | Feld`segments[]` | Typ | | Feld`words[]` | Typ | | Feld`speaker fields` | Typ | | Feld`timestamps` | Typ | ### Aliasnamen #### Modellaliasnamen **Ailoot Ultra** [`microsoft/mai-transcribe-1.5`](https://ailoot.ai/models/de-ch/#m=microsoft%2Fmai-transcribe-1.5&route=Ultra&caller=microsoft%2Fmai-transcribe-1.5&fmt=transcriptions) #### Aliasnamen für Methodenpfade Verwenden Sie die oben angezeigten Methodenpfade. #### Zugehörige Aufrufer-IDs [`microsoft/mai-transcribe-1.5`](https://ailoot.ai/models/de-ch/#m=microsoft%2Fmai-transcribe-1.5&route=Ultra&caller=microsoft%2Fmai-transcribe-1.5&fmt=transcriptions) FAQ · Microsoft AI: MAI-Transcribe 1.5 Welche Eingaben und Ergebnisse sind verfügbar? `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-1.5`: `audio` → `text` Welche Felder verwendet die Anfrage? `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-1.5`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Welche Grenzen gelten? `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-1.5`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Verbinden Sie Ailoot mit Claude Code, OpenCode, Hermes oder Ihrer eigenen Anwendung. ## Das Unternehmen und sein Projektportfolio Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe. ## Tokens mit Rabatt kaufen. Aborabatt für regelmäßige Arbeit. Aktionscodes bieten bis 50% beim Tokenkauf. Abo Wählen Sie einen Tarif mit Rabatt für Ihre regelmäßigen Anfragen. Aktionscode bis 50% Geben Sie den Code beim Kauf ein. Der Preis wird nach den gültigen Aktionsbedingungen berechnet. Ausgaben in der Historie Modell, Tokens und Betrag werden für jede Anfrage gespeichert. [Abo wählen](https://ailoot.ai/docs/de-ch/billing/subscriptions/) · [Modellpreise ansehen](https://ailoot.ai/models/de-ch/) ## Verbinden Sie die API mit dem Produkt, das Sie verkaufen. SaaS, Anwendungen und Bots nach dem offiziellen Angebot und Lizenzvertrag von Ailoot. Fordern Sie für den Weiterverkauf eine Reseller-Lizenz an. Kommerzielle Anwendung Integrieren Sie Text-, Bild-, Video- und Audioerzeugung in kostenpflichtige Funktionen Ihres Dienstes. Reseller-Lizenz Senden Sie Projektbeschreibung und Zugangsmodell. Fordern Sie schriftliche Nutzungs- und Weiterverkaufsbedingungen an. Dokumente auf der Website Offizielles Angebot, Lizenzvertrag und Datenschutzerklärung sind vor der Verbindung zugänglich. [Reseller-Lizenz anfordern](mailto:support@ailoot.ai) · [Offizielles Angebot und Lizenzvertrag](https://ailoot.ai/legal/offer?lang=de-ch) ## Ailoot · Das Unternehmen und sein Projektportfolio Ailoot baut auf bewährte Betriebserfahrung, einen großen Kundenstamm, stabilen Service und kontinuierliche KPI-Kontrolle. Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe. Ailoot nutzt diese Betriebserfahrung für den API-Zugang zu KI-Funktionen in Kundenprodukten, Agenten, Anwendungen und Automatisierungen.