Source: https://ailoot.ai/models/de/microsoft-mai-transcribe-1-5/ Canonical: https://ailoot.ai/models/de/microsoft-mai-transcribe-1-5/ Language: de # Microsoft AI: MAI-Transcribe 1.5 [Markdown](https://ailoot.ai/models/de/microsoft-mai-transcribe-1-5/index.md) · [JSON](https://ailoot.ai/models/de/microsoft-mai-transcribe-1-5/facts.json) ## [Microsoft AI: MAI-Transcribe 1.5](https://ailoot.ai/models/de/microsoft-mai-transcribe-1-5/) Microsoft AI MAI-Transcribe 1.5 wandelt aufgezeichnete Sprache in 43 Sprachen mit automatischer Erkennung der gesprochenen Sprache und Schwerpunkt auf Akzenten und verrauschtem Audio in Text um. Seine Modellkarte beschreibt fachbezogene Schlüsselwortgewichtung für Namen und Fachbegriffe. Verwenden Sie das Transkript als Grundlage geprüfter Notizen oder Untertitel. - [**Ailoot Ultra · Transkription** `POST /v1/audio/transcriptions` `microsoft/mai-transcribe-1.5`](https://ailoot.ai/models/de/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 Spracherkennungsmodell zur Umwandlung aufgezeichneten Audios in schriftliche Inhalte. Seine genaue Modellkarte beschreibt Erkennung in 43 Sprachen, automatische Sprachidentifizierung und Robustheit gegenüber Akzenten, Dialekten, Sprechstilen und Geräuschbedingungen. Die Edition erweitert die 25-Sprachen-Gruppe von MAI-Transcribe 1 um achtzehn Sprachen. Ein brauchbares Ergebnis ist der verschriftlichte Inhalt eines Vortrags, Interviews, Anrufs oder einer Sprachnotiz, der vor einer späteren Bearbeitung oder Analyse mit der Aufnahme abgeglichen werden kann. Bereiten Sie eine vollständige verständliche Aufnahme in einem der genannten Formate WAV, MP3 oder FLAC vor. Bewahren Sie Originaldatei und jede Abschnittsaufteilung, damit das Transkript mit dem Audio verglichen werden kann. Bewahren Sie bei einem Vortrag die Sätze um einen Fachbegriff, statt nur das schwierige Wort zu extrahieren. Erhalten Sie bei einer Sprachnotiz eine Korrektur, die Name, Zeit oder Zahl ändert. Die umgebende Sprache liefert Erkennungskontext; die Prüfung durch Zuhören kann Korrekturbedarf aufzeigen. Automatische Sprachidentifizierung ermöglicht Verarbeitung ohne vorherige Sprachwahl. Die Gruppe von 43 Sprachen umfasst Englisch, Französisch, Deutsch, Italienisch, Spanisch, Hindi, Chinesisch, Japanisch, Koreanisch, Arabisch, Indonesisch, Russisch, Thai und Vietnamesisch. Zu den ergänzten Sprachen zählen Bulgarisch, Katalanisch, Griechisch, Ukrainisch und mehrere südasiatische Sprachen. Prüfen Sie, ob die gewünschte Sprache zu dieser Edition gehört, statt die breitere Abdeckung von MAI-Transcribe 2 zu übernehmen. Bewahren Sie bei mehrsprachigen Sammlungen die Aufnahmesprache beim geprüften Text, damit nachgelagerte Bearbeitung dem tatsächlichen gesprochenen Inhalt folgt. Die Modellkarte 1.5 beschreibt Schlüsselwort- oder Entitätsgewichtung mit bis zu 200 Begriffen; die Veröffentlichung erklärt den Zweck: wahrscheinliche Namen, Akronyme und Fachwörter als Kontext verfügbar machen. Der Hersteller beschreibt kontextuelle Hinweise statt blind erzwungener Wörter im Ergebnis. Bereiten Sie relevantes Vokabular vor, etwa Projektname, technisches Instrument oder die korrekte Schreibweise einer in der Aufnahme besprochenen Person. Nutzen Sie diese Terminologie als Kontext der tatsächlichen Aufnahme und prüfen Sie erkannte Begriffe anhand der Sprache. Bereiten Sie für eine aufgezeichnete Unterrichtseinheit zum Ingenieurwesen die Namen besprochener Instrumente und die genaue Schreibweise von Projektakronymen vor. Schreiben Sie sie in eine gezielte Terminologieliste und bewahren Sie diese bei Audio und Transkript. Prüfen Sie die Vorkommen anhand der gesprochenen Passagen, statt einen Vokabulareintrag als Trefferbeweis zu behandeln. Ähnlich klingende Namen können weiterhin Prüfung benötigen. Das Ergebnis sollte tatsächlich gesprochene Wörter bewahren, einschließlich bedeutungsverändernder Korrekturen oder Einschränkungen. Der Hersteller betont die Leistung bei realem Audio einschließlich Hintergrundgeräuschen und unterschiedlichen Mikrofonbedingungen. Praktische Prüfung kann sich auf gleichzeitiges Sprechen, leise Stimmen oder teilweise von anderen Geräuschen verdeckte Wörter konzentrieren. Verknüpfen Sie Unsicherheiten mit der entsprechenden Audiopassage, statt sie durch Themenannahmen zu füllen. Ein plausibler Satz kann dennoch den falschen Eigennamen oder die falsche Zahl enthalten. Für ein Anruftranskript ist das brauchbare Ergebnis eine geprüfte Aufzeichnung des gesprochenen Inhalts zur späteren Analyse statt eines geratenen Berichts über die Absicht des Anrufers. Die genaue Modellkarte 1.5 nennt maximal 300 MB Dateigröße und zwei Stunden. Ihre verknüpfte synchrone Transkriptions-REST-Referenz beschreibt strengere Bereitstellungseingaben: kleiner als 250 MB und kürzer als zwei Stunden. Dies sind getrennt genannte Modellkarten- und Schnittstellengrenzen. Bereiten Sie Dateien innerhalb des Budgets der vorgesehenen Schnittstelle vor und gliedern Sie längeres Material an sinnvollen Aufnahmegrenzen. Eine Dateigrößengrenze betrifft codiertes Audio, eine Dauergrenze die Länge der Sprachaufnahme; keine definiert ein Textmodell-Kontextfenster. Die Beispielausgabe der Modellkarte ist JSON mit Aufnahmedauer und kombiniertem erkannten Text. Der Text kann ein zugängliches Transkript, ein Untertitelskript oder eine Eingabe für spätere Zusammenfassung und Suche werden. Gruppierung von Untertitel-Einblendungen und Ausrichtung an der Aufnahme sind gesonderte Vorbereitungen, wenn das Ergebnis die erforderlichen Zeitdaten nicht enthält. Bei Interviewaufzeichnungen benötigt die Zuordnung einer Zeile zu einem benannten Teilnehmer eine gesonderte geprüfte Aufzeichnung darüber, wer gesprochen hat. Bewahren Sie erkannten Wortlaut und Audio als Grundlage dieser späteren Ergebnisse. Die Editionsgrenzen zählen bei der Ausgabeplanung. Die Karte 1.5 schließt Sprechertrennung ausdrücklich aus den unterstützten Fähigkeiten aus; der Versionsvergleich des Herstellers ordnet Wortzeitstempel und Clean/Verbatim-Stilregler MAI-Transcribe 2 zu. Auch ein natives Streamingmodell ist eine gesonderte Edition. Dieses Profil 1.5 konzentriert sich daher auf erkannten Text aus Aufnahmen und dokumentierten Fachkontext, ohne Sprecher-, Zeit- oder Live-Eingabefunktionen einer anderen Edition zum Teil 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/#m=microsoft%2Fmai-transcribe-1.5&route=Ultra&caller=microsoft%2Fmai-transcribe-1.5&fmt=transcriptions) Microsoft AI /`microsoft/mai-transcribe-1.5` ### Start Microsoft AI MAI-Transcribe 1.5 wandelt aufgezeichnete Sprache in 43 Sprachen mit automatischer Erkennung der gesprochenen Sprache und Schwerpunkt auf Akzenten und verrauschtem Audio in Text um. Seine Modellkarte beschreibt fachbezogene Schlüsselwortgewichtung für Namen und Fachbegriffe. Verwenden Sie das Transkript als Grundlage geprüfter Notizen oder Untertitel. Zulässige Eingaben Audio Ergebnisse Text ### In Ailoot verfügbar · Eingaben und Methoden **Ailoot Ultra · Transkription** `POST /v1/audio/transcriptions` Eingabetypen `audio` Ausgabetypen `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 ein und kodieren Sie ihre echten Bytes für das deklarierte JSON-Feld input\_audio; für diese konkrete Deklaration ausschließlich mit JSON 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 | | --- | --- | --- | --- | --- | | KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Prognostizierte Menge— | Abrechnungseinheit— | Gebühr Eingabe · Eingabetoken · Schätzung nur zum Vergleich **—** / 1K Token Ausgabe · Ausgabetoken · Schätzung nur zum Vergleich **—** / 1K Token Eingabe · Cache-Lesen · Schätzung nur zum Vergleich **—** / 1K Token Eingabe · Cache-Schreiben · Schätzung nur zum Vergleich **—** / 1K Token Eingabe · Cache-Schreiben, 1 Stunde · Schätzung nur zum Vergleich **—** / 1K Token | | KonfigurationAudioeingabestunde | Tarifstaffel— | Prognostizierte Menge— | Abrechnungseinheitpro Stunde Eingabeaudio | Gebühr Eingabe · Audioeingabestunde · Schätzung nur zum Vergleich **$0.72** pro Stunde Eingabeaudio | | KonfigurationGeschätzte Generierungskosten | Tarifstaffel— | Prognostizierte MengeSchätzung für eine Generierung | Abrechnungseinheit— | Gebühr Ausgabe · Geschätzte Generierungskosten · Schätzung nur zum Vergleich **$0.0002** Schätzung vor der Generierung Diese Schätzung ist weder eine zusätzliche Gebühr noch ein fester Tarif für die abgeschlossene Generierung. | Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. [So funktionieren Reservierung und Abrechnung →](https://ailoot.ai/docs/de/billing/reserve/) ### Beispielanfragen #### Ailoot Ultra · Transkription curl · exakter nativer Request-Body und vollständiges Ergebnis ```bash set -eu : "${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/#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/#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/billing/subscriptions/) · [Modellpreise ansehen](https://ailoot.ai/models/de/) ## 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) ## 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.