{
  "aboutHtml": "<p>Το Microsoft AI MAI-Transcribe 2 είναι η έκδοση μετατροπής καταγεγραμμένου ήχου σε κείμενο της οικογένειας απομαγνητοφώνησης δεύτερης γενιάς της Microsoft. Μετατρέπει προφορικό περιεχόμενο σε γραπτό κείμενο σε 60 γλώσσες, με αυτόματη αναγνώριση γλώσσας και υποστήριξη ομιλίας που εναλλάσσει γλώσσες. Το μοντέλο προσθέτει διαχωρισμό ομιλητών, χρονισμό ανά λέξη και επιλέξιμα ύφη απομαγνητοφώνησης. Χρήσιμα παραδοτέα περιλαμβάνουν απομαγνητοφώνηση συνάντησης με απόδοση σε ομιλητές, εγγραφή συνέντευξης με δυνατότητα αναζήτησης, δεδομένα ευθυγράμμισης υποτίτλων ή ελεγμένη υπαγόρευση που περιέχει εξειδικευμένη ορολογία.</p><p>Προετοιμάστε την ηχογράφηση με το προφορικό υλικό ακέραιο. Ο κατασκευαστής αναφέρει είσοδο WAV, MP3 και FLAC. Διατηρήστε τον αρχικό ήχο διαθέσιμο για σύγκριση αβέβαιων λέξεων, ονομάτων και αριθμών με το αναγνωρισμένο κείμενο. Μια ηχογράφηση μπορεί να περιέχει θόρυβο περιβάλλοντος ή μεταβαλλόμενη ποιότητα μικροφώνου, τα οποία το μοντέλο έχει σχεδιαστεί να χειρίζεται, αλλά ο έλεγχος πρέπει και πάλι να επικεντρώνεται σε ασαφή ή αλληλεπικαλυπτόμενα αποσπάσματα. Για συνέντευξη, κρατήστε την ακολουθία εναλλαγών και παύσεων αντί να αφαιρείτε το πλαίσιο που βοηθά στην ερμηνεία μιας απάντησης.</p><p>Η αυτόματη ανίχνευση γλώσσας είναι χρήσιμη όταν η γλώσσα δεν είναι γνωστή εκ των προτέρων. Το τεκμηριωμένο σύνολο 60 γλωσσών περιλαμβάνει αγγλικά, ρωσικά, κινεζικά, ιαπωνικά, κορεατικά, αραβικά, γαλλικά, γερμανικά, ισπανικά, ινδονησιακά, μαλαϊκά, ταϊλανδικά και βιετναμικά. Η εναλλαγή γλωσσών καλύπτει φυσικές αλλαγές μεταξύ γλωσσών, συμπεριλαμβανομένων μεικτών ζευγών όπως Hinglish ή Spanglish. Η διεπαφή του κατασκευαστή δέχεται επίσης μία υπόδειξη γλώσσας, την οποία περιγράφει ως ισχυρή οδηγία. Χρησιμοποιήστε την μόνο όταν η ηχογράφηση είναι πράγματι στη συγκεκριμένη γλώσσα, αντί να εξαναγκάζετε μια πολυγλωσσική συνομιλία σε μία αναμενόμενη γλώσσα.</p><p>Η καθοδήγηση με λέξεις-κλειδιά παρέχει ειδικούς όρους του τομέα, συντομογραφίες, ονόματα προϊόντων και κύρια ονόματα που μπορεί διαφορετικά να είναι δύσκολο να διακριθούν από τον ήχο. Προετοιμάστε εστιασμένη λίστα σχετική με την ηχογράφηση, όπως το όνομα έργου, μια σειρά προϊόντων ή τεχνικές λέξεις που χρησιμοποιούνται στη συζήτηση. Ο οδηγός εξυπηρέτησης τα περιγράφει ως υποδείξεις αναγνώρισης και όχι ως εξαναγκασμένες αντιστοιχίσεις. Για τεχνική διάλεξη, συμπεριλάβετε την ακριβή ορθογραφία των κατονομαζόμενων οργάνων και των εξειδικευμένων όρων και, στη συνέχεια, ελέγξτε αν η απομαγνητοφώνηση τα τοποθετεί εκεί όπου πράγματι ειπώθηκαν. Ένας παρεχόμενος όρος δεν είναι τεκμήριο ότι τον είπε ο ομιλητής.</p><p>Επιλέξτε το ύφος εξόδου με βάση το προβλεπόμενο παραδοτέο. Το Verbatim, η τεκμηριωμένη προεπιλογή, διατηρεί λέξεις γεμίσματος, λανθασμένα ξεκινήματα και αυτοδιορθώσεις. Το Clean αφαιρεί τις δυσχέρειες ροής για πιο ευανάγνωστη απομαγνητοφώνηση. Μια εγγραφή που χρησιμοποιείται για εξέταση του τρόπου εξέλιξης μιας συνομιλίας μπορεί να διατηρεί τον δισταγμό και τη διόρθωση· μια ευανάγνωστη απομαγνητοφώνηση μαθήματος μπορεί να χρησιμοποιεί την καθαρισμένη διατύπωση. Κρατήστε τον αρχικό ήχο δίπλα σε οποιοδήποτε αποτέλεσμα. Ο καθαρισμός βελτιώνει την παρουσίαση του προφορικού κειμένου και δεν πρέπει να αντιμετωπίζεται ως ξεχωριστή περίληψη ή νέα ερμηνεία του νοήματος του ομιλητή.</p><p>Ο διαχωρισμός ομιλητών χωρίζει τις εναλλαγές ανά ανιχνευόμενο ομιλητή και οι χρονικές σημάνσεις ανά λέξη παρέχουν μετατόπιση και διάρκεια για κάθε λέξη. Η διεπαφή εξυπηρέτησης προσφέρει επίσης χρονισμό τμημάτων ή καθόλου χρονισμό. Τα τμήματα χωρίζονται ανά γλώσσα και, όταν ο διαχωρισμός ομιλητών είναι ενεργός, ανά ομιλητή. Τα πεδία χρονισμού χρησιμοποιούν χιλιοστά του δευτερολέπτου και μπορούν να υποστηρίζουν πλοήγηση, αναζήτηση και επεξεργασία. Οι ετικέτες διακρίνουν τους ανιχνευμένους ομιλητές· η αντιστοίχιση μιας ετικέτας με το όνομα συμμετέχοντος είναι ξεχωριστό βήμα ελέγχου. Για υπότιτλους, χρησιμοποιήστε ελεγμένους χρονισμούς λέξεων για να προετοιμάσετε ευανάγνωστες ομάδες ατακών, αντί να θεωρείτε ότι το αποτέλεσμα αναγνώρισης είναι ήδη έτοιμο αρχείο υποτίτλων.</p><p>Η κάρτα μοντέλου αναφέρει μέγιστο μέγεθος αρχείου 300 MB και δύο ώρες. Η συνδεδεμένη αναφορά σύγχρονου REST για την τεκμηριωμένη διεπαφή 2025-10-15 απαιτεί αντίθετα αρχείο μικρότερο από 250 MB και συντομότερο από δύο ώρες. Πρόκειται για διακριτούς δημοσιευμένους περιορισμούς κάρτας μοντέλου και εξυπηρέτησης· προετοιμάστε αρχείο εντός του ισχύοντος ορίου εξυπηρέτησης. Ο οδηγός MAI αναφέρει επίσης ότι ο διαχωρισμός ομιλητών υποστηρίζει συντομότερες ηχογραφήσεις από την απομαγνητοφώνηση χωρίς διαχωρισμό ομιλητών. Οργανώστε μεγάλο υλικό πολλών ομιλητών σε συνεκτικές ενότητες όταν απαιτείται απόδοση σε ομιλητές και διατηρήστε τη θέση της ενότητας στην αρχική ηχογράφηση για μεταγενέστερο έλεγχο.</p><p>Η τεκμηριωμένη έξοδος είναι δομημένα δεδομένα απομαγνητοφώνησης: πλήρες κείμενο, φράσεις και, όταν ζητηθούν, πληροφορίες ομιλητών και χρονισμού. Μια φράση μπορεί να περιέχει το κείμενο, τη γλώσσα, τη μετατόπιση και τη διάρκειά της· ο χρονισμός λέξεων μπορεί να συνδέσει μια αναγνωρισμένη λέξη με τον ήχο. Για αρχείο με δυνατότητα αναζήτησης, διατηρήστε αυτές τις σχέσεις ώστε ένας εντοπισμένος όρος να οδηγεί πίσω στην ηχογράφηση. Για ροή συνάντησης, μια ελεγμένη απομαγνητοφώνηση γίνεται είσοδος για μεταγενέστερη σύνοψη ή εξαγωγή ενεργειών. Το αποτέλεσμα του μοντέλου ομιλίας είναι το αναγνωρισμένο περιεχόμενο και όχι μια ανεξάρτητα επαληθευμένη καταγραφή των αποφάσεων της συνάντησης.</p><p>Η διάκριση εκδόσεων είναι συγκεκριμένη. Το MAI-Transcribe 1.5 καλύπτει 43 γλώσσες, ενώ αυτή η έκδοση καλύπτει 60 και προσθέτει τις τεκμηριωμένες ρυθμίσεις διαχωρισμού ομιλητών, χρονικών σημάνσεων λέξεων και clean/verbatim. Το MAI-Transcribe 2 Streaming είναι ξεχωριστό μοντέλο για σταδιακή απομαγνητοφώνηση πραγματικού χρόνου με δικό του σύνολο δυνατοτήτων· η καθυστέρηση πρώτου μερικού αποτελέσματός του δεν περιγράφει αυτή την έκδοση καταγεγραμμένου ήχου. Ελέγξτε την απομαγνητοφώνηση ως προς τον ήχο για ονόματα, αριθμούς, εναλλαγές ομιλητών και πολύγλωσσα αποσπάσματα πριν τη χρησιμοποιήσετε ως πηγή για υπότιτλους, παραθέματα ή παράγωγο έγγραφο.</p>",
  "aboutText": "Το Microsoft AI MAI-Transcribe 2 είναι η έκδοση μετατροπής καταγεγραμμένου ήχου σε κείμενο της οικογένειας απομαγνητοφώνησης δεύτερης γενιάς της Microsoft. Μετατρέπει προφορικό περιεχόμενο σε γραπτό κείμενο σε 60 γλώσσες, με αυτόματη αναγνώριση γλώσσας και υποστήριξη ομιλίας που εναλλάσσει γλώσσες. Το μοντέλο προσθέτει διαχωρισμό ομιλητών, χρονισμό ανά λέξη και επιλέξιμα ύφη απομαγνητοφώνησης. Χρήσιμα παραδοτέα περιλαμβάνουν απομαγνητοφώνηση συνάντησης με απόδοση σε ομιλητές, εγγραφή συνέντευξης με δυνατότητα αναζήτησης, δεδομένα ευθυγράμμισης υποτίτλων ή ελεγμένη υπαγόρευση που περιέχει εξειδικευμένη ορολογία.\n\nΠροετοιμάστε την ηχογράφηση με το προφορικό υλικό ακέραιο. Ο κατασκευαστής αναφέρει είσοδο WAV, MP3 και FLAC. Διατηρήστε τον αρχικό ήχο διαθέσιμο για σύγκριση αβέβαιων λέξεων, ονομάτων και αριθμών με το αναγνωρισμένο κείμενο. Μια ηχογράφηση μπορεί να περιέχει θόρυβο περιβάλλοντος ή μεταβαλλόμενη ποιότητα μικροφώνου, τα οποία το μοντέλο έχει σχεδιαστεί να χειρίζεται, αλλά ο έλεγχος πρέπει και πάλι να επικεντρώνεται σε ασαφή ή αλληλεπικαλυπτόμενα αποσπάσματα. Για συνέντευξη, κρατήστε την ακολουθία εναλλαγών και παύσεων αντί να αφαιρείτε το πλαίσιο που βοηθά στην ερμηνεία μιας απάντησης.\n\nΗ αυτόματη ανίχνευση γλώσσας είναι χρήσιμη όταν η γλώσσα δεν είναι γνωστή εκ των προτέρων. Το τεκμηριωμένο σύνολο 60 γλωσσών περιλαμβάνει αγγλικά, ρωσικά, κινεζικά, ιαπωνικά, κορεατικά, αραβικά, γαλλικά, γερμανικά, ισπανικά, ινδονησιακά, μαλαϊκά, ταϊλανδικά και βιετναμικά. Η εναλλαγή γλωσσών καλύπτει φυσικές αλλαγές μεταξύ γλωσσών, συμπεριλαμβανομένων μεικτών ζευγών όπως Hinglish ή Spanglish. Η διεπαφή του κατασκευαστή δέχεται επίσης μία υπόδειξη γλώσσας, την οποία περιγράφει ως ισχυρή οδηγία. Χρησιμοποιήστε την μόνο όταν η ηχογράφηση είναι πράγματι στη συγκεκριμένη γλώσσα, αντί να εξαναγκάζετε μια πολυγλωσσική συνομιλία σε μία αναμενόμενη γλώσσα.\n\nΗ καθοδήγηση με λέξεις-κλειδιά παρέχει ειδικούς όρους του τομέα, συντομογραφίες, ονόματα προϊόντων και κύρια ονόματα που μπορεί διαφορετικά να είναι δύσκολο να διακριθούν από τον ήχο. Προετοιμάστε εστιασμένη λίστα σχετική με την ηχογράφηση, όπως το όνομα έργου, μια σειρά προϊόντων ή τεχνικές λέξεις που χρησιμοποιούνται στη συζήτηση. Ο οδηγός εξυπηρέτησης τα περιγράφει ως υποδείξεις αναγνώρισης και όχι ως εξαναγκασμένες αντιστοιχίσεις. Για τεχνική διάλεξη, συμπεριλάβετε την ακριβή ορθογραφία των κατονομαζόμενων οργάνων και των εξειδικευμένων όρων και, στη συνέχεια, ελέγξτε αν η απομαγνητοφώνηση τα τοποθετεί εκεί όπου πράγματι ειπώθηκαν. Ένας παρεχόμενος όρος δεν είναι τεκμήριο ότι τον είπε ο ομιλητής.\n\nΕπιλέξτε το ύφος εξόδου με βάση το προβλεπόμενο παραδοτέο. Το Verbatim, η τεκμηριωμένη προεπιλογή, διατηρεί λέξεις γεμίσματος, λανθασμένα ξεκινήματα και αυτοδιορθώσεις. Το Clean αφαιρεί τις δυσχέρειες ροής για πιο ευανάγνωστη απομαγνητοφώνηση. Μια εγγραφή που χρησιμοποιείται για εξέταση του τρόπου εξέλιξης μιας συνομιλίας μπορεί να διατηρεί τον δισταγμό και τη διόρθωση· μια ευανάγνωστη απομαγνητοφώνηση μαθήματος μπορεί να χρησιμοποιεί την καθαρισμένη διατύπωση. Κρατήστε τον αρχικό ήχο δίπλα σε οποιοδήποτε αποτέλεσμα. Ο καθαρισμός βελτιώνει την παρουσίαση του προφορικού κειμένου και δεν πρέπει να αντιμετωπίζεται ως ξεχωριστή περίληψη ή νέα ερμηνεία του νοήματος του ομιλητή.\n\nΟ διαχωρισμός ομιλητών χωρίζει τις εναλλαγές ανά ανιχνευόμενο ομιλητή και οι χρονικές σημάνσεις ανά λέξη παρέχουν μετατόπιση και διάρκεια για κάθε λέξη. Η διεπαφή εξυπηρέτησης προσφέρει επίσης χρονισμό τμημάτων ή καθόλου χρονισμό. Τα τμήματα χωρίζονται ανά γλώσσα και, όταν ο διαχωρισμός ομιλητών είναι ενεργός, ανά ομιλητή. Τα πεδία χρονισμού χρησιμοποιούν χιλιοστά του δευτερολέπτου και μπορούν να υποστηρίζουν πλοήγηση, αναζήτηση και επεξεργασία. Οι ετικέτες διακρίνουν τους ανιχνευμένους ομιλητές· η αντιστοίχιση μιας ετικέτας με το όνομα συμμετέχοντος είναι ξεχωριστό βήμα ελέγχου. Για υπότιτλους, χρησιμοποιήστε ελεγμένους χρονισμούς λέξεων για να προετοιμάσετε ευανάγνωστες ομάδες ατακών, αντί να θεωρείτε ότι το αποτέλεσμα αναγνώρισης είναι ήδη έτοιμο αρχείο υποτίτλων.\n\nΗ κάρτα μοντέλου αναφέρει μέγιστο μέγεθος αρχείου 300 MB και δύο ώρες. Η συνδεδεμένη αναφορά σύγχρονου REST για την τεκμηριωμένη διεπαφή 2025-10-15 απαιτεί αντίθετα αρχείο μικρότερο από 250 MB και συντομότερο από δύο ώρες. Πρόκειται για διακριτούς δημοσιευμένους περιορισμούς κάρτας μοντέλου και εξυπηρέτησης· προετοιμάστε αρχείο εντός του ισχύοντος ορίου εξυπηρέτησης. Ο οδηγός MAI αναφέρει επίσης ότι ο διαχωρισμός ομιλητών υποστηρίζει συντομότερες ηχογραφήσεις από την απομαγνητοφώνηση χωρίς διαχωρισμό ομιλητών. Οργανώστε μεγάλο υλικό πολλών ομιλητών σε συνεκτικές ενότητες όταν απαιτείται απόδοση σε ομιλητές και διατηρήστε τη θέση της ενότητας στην αρχική ηχογράφηση για μεταγενέστερο έλεγχο.\n\nΗ τεκμηριωμένη έξοδος είναι δομημένα δεδομένα απομαγνητοφώνησης: πλήρες κείμενο, φράσεις και, όταν ζητηθούν, πληροφορίες ομιλητών και χρονισμού. Μια φράση μπορεί να περιέχει το κείμενο, τη γλώσσα, τη μετατόπιση και τη διάρκειά της· ο χρονισμός λέξεων μπορεί να συνδέσει μια αναγνωρισμένη λέξη με τον ήχο. Για αρχείο με δυνατότητα αναζήτησης, διατηρήστε αυτές τις σχέσεις ώστε ένας εντοπισμένος όρος να οδηγεί πίσω στην ηχογράφηση. Για ροή συνάντησης, μια ελεγμένη απομαγνητοφώνηση γίνεται είσοδος για μεταγενέστερη σύνοψη ή εξαγωγή ενεργειών. Το αποτέλεσμα του μοντέλου ομιλίας είναι το αναγνωρισμένο περιεχόμενο και όχι μια ανεξάρτητα επαληθευμένη καταγραφή των αποφάσεων της συνάντησης.\n\nΗ διάκριση εκδόσεων είναι συγκεκριμένη. Το MAI-Transcribe 1.5 καλύπτει 43 γλώσσες, ενώ αυτή η έκδοση καλύπτει 60 και προσθέτει τις τεκμηριωμένες ρυθμίσεις διαχωρισμού ομιλητών, χρονικών σημάνσεων λέξεων και clean/verbatim. Το MAI-Transcribe 2 Streaming είναι ξεχωριστό μοντέλο για σταδιακή απομαγνητοφώνηση πραγματικού χρόνου με δικό του σύνολο δυνατοτήτων· η καθυστέρηση πρώτου μερικού αποτελέσματός του δεν περιγράφει αυτή την έκδοση καταγεγραμμένου ήχου. Ελέγξτε την απομαγνητοφώνηση ως προς τον ήχο για ονόματα, αριθμούς, εναλλαγές ομιλητών και πολύγλωσσα αποσπάσματα πριν τη χρησιμοποιήσετε ως πηγή για υπότιτλους, παραθέματα ή παράγωγο έγγραφο.",
  "editorialOverlay": {
    "copy_fields": null,
    "copy_sha256": null,
    "copy_source": null,
    "html_sha256": "63aa42582d26bd447b3325dbe52c6562792ef46617cc7429ccb7986d695ad9dd",
    "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06",
    "raw_model_unchanged": true,
    "schema": "ailoot-native-model-editorial-v1"
  },
  "locale": "el",
  "methods": [
    {
      "html": "<div class=\"sheet-head\"><span class=\"mav\" aria-hidden=\"true\">•</span><h2 id=\"sheet-title\">Microsoft AI: MAI-Transcribe 2</h2><button class=\"icon-btn\" type=\"button\" data-close-sheet aria-label=\"Κλείσιμο\">×</button></div><div class=\"idline\"><span>Microsoft AI /</span><code>microsoft/mai-transcribe-2</code><button type=\"button\" id=\"copy-id\">Αντιγραφή ID</button></div><nav class=\"card-jump-nav\" aria-label=\"Ενότητες κάρτας μοντέλου\"><button type=\"button\" data-card-jump=\"overview\">Εισαγωγή</button><button type=\"button\" data-card-jump=\"methods\">Είσοδοι και μέθοδοι</button><button type=\"button\" data-card-jump=\"pricing\">Τιμολόγηση</button><button type=\"button\" data-card-jump=\"examples\">Παραδείγματα</button><button type=\"button\" data-card-jump=\"results\">Αποτελέσματα</button><button type=\"button\" data-card-jump=\"aliases\">Εναλλακτικά ονόματα</button></nav><div class=\"card-method-tabs\" role=\"tablist\" aria-label=\"Μέθοδοι API\"><button type=\"button\" role=\"tab\" tabindex=\"0\" aria-controls=\"card-method-content\" aria-selected=\"true\" id=\"card-method-tab-0\" data-card-method=\"Ultra|transcriptions|/v1/audio/transcriptions|microsoft%2Fmai-transcribe-2\">Αναγνώριση</button></div><div id=\"card-method-content\" role=\"tabpanel\" aria-labelledby=\"card-method-tab-0\"><section class=\"card-section\" data-card-section=\"overview\"><h3 tabindex=\"-1\">Εισαγωγή</h3><p class=\"mdesc-full\">Το Microsoft AI MAI-Transcribe 2 μετατρέπει καταγεγραμμένη ομιλία σε κείμενο σε 60 γλώσσες, με αυτόματη αναγνώριση γλώσσας και εναλλαγή γλωσσών. Προσθέτει διαχωρισμό ομιλητών, χρονισμό λέξεων, καθοδήγηση με λέξεις-κλειδιά και καθαρό ή κατά λέξη ύφος για πρακτικά συναντήσεων, υπότιτλους, ήχο με δυνατότητα αναζήτησης και εξειδικευμένη υπαγόρευση.</p><dl class=\"card-io\" data-card-io><div><dt>Αποδεκτές είσοδοι</dt><dd>Ήχος</dd></div><div><dt>Αποτελέσματα</dt><dd>Κείμενο</dd></div></dl><details class=\"card-about\"><summary>Σχετικά με το μοντέλο</summary><p class=\"note-s\" data-model-method-boundary>Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.</p><div class=\"mabout\" id=\"m-about\"><p>Το Microsoft AI MAI-Transcribe 2 είναι η έκδοση μετατροπής καταγεγραμμένου ήχου σε κείμενο της οικογένειας απομαγνητοφώνησης δεύτερης γενιάς της Microsoft. Μετατρέπει προφορικό περιεχόμενο σε γραπτό κείμενο σε 60 γλώσσες, με αυτόματη αναγνώριση γλώσσας και υποστήριξη ομιλίας που εναλλάσσει γλώσσες. Το μοντέλο προσθέτει διαχωρισμό ομιλητών, χρονισμό ανά λέξη και επιλέξιμα ύφη απομαγνητοφώνησης. Χρήσιμα παραδοτέα περιλαμβάνουν απομαγνητοφώνηση συνάντησης με απόδοση σε ομιλητές, εγγραφή συνέντευξης με δυνατότητα αναζήτησης, δεδομένα ευθυγράμμισης υποτίτλων ή ελεγμένη υπαγόρευση που περιέχει εξειδικευμένη ορολογία.</p><p>Προετοιμάστε την ηχογράφηση με το προφορικό υλικό ακέραιο. Ο κατασκευαστής αναφέρει είσοδο WAV, MP3 και FLAC. Διατηρήστε τον αρχικό ήχο διαθέσιμο για σύγκριση αβέβαιων λέξεων, ονομάτων και αριθμών με το αναγνωρισμένο κείμενο. Μια ηχογράφηση μπορεί να περιέχει θόρυβο περιβάλλοντος ή μεταβαλλόμενη ποιότητα μικροφώνου, τα οποία το μοντέλο έχει σχεδιαστεί να χειρίζεται, αλλά ο έλεγχος πρέπει και πάλι να επικεντρώνεται σε ασαφή ή αλληλεπικαλυπτόμενα αποσπάσματα. Για συνέντευξη, κρατήστε την ακολουθία εναλλαγών και παύσεων αντί να αφαιρείτε το πλαίσιο που βοηθά στην ερμηνεία μιας απάντησης.</p><p>Η αυτόματη ανίχνευση γλώσσας είναι χρήσιμη όταν η γλώσσα δεν είναι γνωστή εκ των προτέρων. Το τεκμηριωμένο σύνολο 60 γλωσσών περιλαμβάνει αγγλικά, ρωσικά, κινεζικά, ιαπωνικά, κορεατικά, αραβικά, γαλλικά, γερμανικά, ισπανικά, ινδονησιακά, μαλαϊκά, ταϊλανδικά και βιετναμικά. Η εναλλαγή γλωσσών καλύπτει φυσικές αλλαγές μεταξύ γλωσσών, συμπεριλαμβανομένων μεικτών ζευγών όπως Hinglish ή Spanglish. Η διεπαφή του κατασκευαστή δέχεται επίσης μία υπόδειξη γλώσσας, την οποία περιγράφει ως ισχυρή οδηγία. Χρησιμοποιήστε την μόνο όταν η ηχογράφηση είναι πράγματι στη συγκεκριμένη γλώσσα, αντί να εξαναγκάζετε μια πολυγλωσσική συνομιλία σε μία αναμενόμενη γλώσσα.</p><p>Η καθοδήγηση με λέξεις-κλειδιά παρέχει ειδικούς όρους του τομέα, συντομογραφίες, ονόματα προϊόντων και κύρια ονόματα που μπορεί διαφορετικά να είναι δύσκολο να διακριθούν από τον ήχο. Προετοιμάστε εστιασμένη λίστα σχετική με την ηχογράφηση, όπως το όνομα έργου, μια σειρά προϊόντων ή τεχνικές λέξεις που χρησιμοποιούνται στη συζήτηση. Ο οδηγός εξυπηρέτησης τα περιγράφει ως υποδείξεις αναγνώρισης και όχι ως εξαναγκασμένες αντιστοιχίσεις. Για τεχνική διάλεξη, συμπεριλάβετε την ακριβή ορθογραφία των κατονομαζόμενων οργάνων και των εξειδικευμένων όρων και, στη συνέχεια, ελέγξτε αν η απομαγνητοφώνηση τα τοποθετεί εκεί όπου πράγματι ειπώθηκαν. Ένας παρεχόμενος όρος δεν είναι τεκμήριο ότι τον είπε ο ομιλητής.</p><p>Επιλέξτε το ύφος εξόδου με βάση το προβλεπόμενο παραδοτέο. Το Verbatim, η τεκμηριωμένη προεπιλογή, διατηρεί λέξεις γεμίσματος, λανθασμένα ξεκινήματα και αυτοδιορθώσεις. Το Clean αφαιρεί τις δυσχέρειες ροής για πιο ευανάγνωστη απομαγνητοφώνηση. Μια εγγραφή που χρησιμοποιείται για εξέταση του τρόπου εξέλιξης μιας συνομιλίας μπορεί να διατηρεί τον δισταγμό και τη διόρθωση· μια ευανάγνωστη απομαγνητοφώνηση μαθήματος μπορεί να χρησιμοποιεί την καθαρισμένη διατύπωση. Κρατήστε τον αρχικό ήχο δίπλα σε οποιοδήποτε αποτέλεσμα. Ο καθαρισμός βελτιώνει την παρουσίαση του προφορικού κειμένου και δεν πρέπει να αντιμετωπίζεται ως ξεχωριστή περίληψη ή νέα ερμηνεία του νοήματος του ομιλητή.</p><p>Ο διαχωρισμός ομιλητών χωρίζει τις εναλλαγές ανά ανιχνευόμενο ομιλητή και οι χρονικές σημάνσεις ανά λέξη παρέχουν μετατόπιση και διάρκεια για κάθε λέξη. Η διεπαφή εξυπηρέτησης προσφέρει επίσης χρονισμό τμημάτων ή καθόλου χρονισμό. Τα τμήματα χωρίζονται ανά γλώσσα και, όταν ο διαχωρισμός ομιλητών είναι ενεργός, ανά ομιλητή. Τα πεδία χρονισμού χρησιμοποιούν χιλιοστά του δευτερολέπτου και μπορούν να υποστηρίζουν πλοήγηση, αναζήτηση και επεξεργασία. Οι ετικέτες διακρίνουν τους ανιχνευμένους ομιλητές· η αντιστοίχιση μιας ετικέτας με το όνομα συμμετέχοντος είναι ξεχωριστό βήμα ελέγχου. Για υπότιτλους, χρησιμοποιήστε ελεγμένους χρονισμούς λέξεων για να προετοιμάσετε ευανάγνωστες ομάδες ατακών, αντί να θεωρείτε ότι το αποτέλεσμα αναγνώρισης είναι ήδη έτοιμο αρχείο υποτίτλων.</p><p>Η κάρτα μοντέλου αναφέρει μέγιστο μέγεθος αρχείου 300 MB και δύο ώρες. Η συνδεδεμένη αναφορά σύγχρονου REST για την τεκμηριωμένη διεπαφή 2025-10-15 απαιτεί αντίθετα αρχείο μικρότερο από 250 MB και συντομότερο από δύο ώρες. Πρόκειται για διακριτούς δημοσιευμένους περιορισμούς κάρτας μοντέλου και εξυπηρέτησης· προετοιμάστε αρχείο εντός του ισχύοντος ορίου εξυπηρέτησης. Ο οδηγός MAI αναφέρει επίσης ότι ο διαχωρισμός ομιλητών υποστηρίζει συντομότερες ηχογραφήσεις από την απομαγνητοφώνηση χωρίς διαχωρισμό ομιλητών. Οργανώστε μεγάλο υλικό πολλών ομιλητών σε συνεκτικές ενότητες όταν απαιτείται απόδοση σε ομιλητές και διατηρήστε τη θέση της ενότητας στην αρχική ηχογράφηση για μεταγενέστερο έλεγχο.</p><p>Η τεκμηριωμένη έξοδος είναι δομημένα δεδομένα απομαγνητοφώνησης: πλήρες κείμενο, φράσεις και, όταν ζητηθούν, πληροφορίες ομιλητών και χρονισμού. Μια φράση μπορεί να περιέχει το κείμενο, τη γλώσσα, τη μετατόπιση και τη διάρκειά της· ο χρονισμός λέξεων μπορεί να συνδέσει μια αναγνωρισμένη λέξη με τον ήχο. Για αρχείο με δυνατότητα αναζήτησης, διατηρήστε αυτές τις σχέσεις ώστε ένας εντοπισμένος όρος να οδηγεί πίσω στην ηχογράφηση. Για ροή συνάντησης, μια ελεγμένη απομαγνητοφώνηση γίνεται είσοδος για μεταγενέστερη σύνοψη ή εξαγωγή ενεργειών. Το αποτέλεσμα του μοντέλου ομιλίας είναι το αναγνωρισμένο περιεχόμενο και όχι μια ανεξάρτητα επαληθευμένη καταγραφή των αποφάσεων της συνάντησης.</p><p>Η διάκριση εκδόσεων είναι συγκεκριμένη. Το MAI-Transcribe 1.5 καλύπτει 43 γλώσσες, ενώ αυτή η έκδοση καλύπτει 60 και προσθέτει τις τεκμηριωμένες ρυθμίσεις διαχωρισμού ομιλητών, χρονικών σημάνσεων λέξεων και clean/verbatim. Το MAI-Transcribe 2 Streaming είναι ξεχωριστό μοντέλο για σταδιακή απομαγνητοφώνηση πραγματικού χρόνου με δικό του σύνολο δυνατοτήτων· η καθυστέρηση πρώτου μερικού αποτελέσματός του δεν περιγράφει αυτή την έκδοση καταγεγραμμένου ήχου. Ελέγξτε την απομαγνητοφώνηση ως προς τον ήχο για ονόματα, αριθμούς, εναλλαγές ομιλητών και πολύγλωσσα αποσπάσματα πριν τη χρησιμοποιήσετε ως πηγή για υπότιτλους, παραθέματα ή παράγωγο έγγραφο.</p></div></details></section><section class=\"card-section\" data-card-section=\"methods\"><h3 tabindex=\"-1\">Διαθέσιμα στο Ailoot · είσοδοι και μέθοδοι</h3><details class=\"card-method\" open><summary><b>Ailoot Ultra · Απομαγνητοφώνηση</b> <code>POST /v1/audio/transcriptions</code></summary><dl class=\"method-capabilities\"><div><dt>Είσοδος</dt><dd><code>audio</code></dd></div><div><dt>Έξοδος</dt><dd><code>text</code></dd></div></dl><div class=\"tw\" data-card-parameters data-typed-parameters><table><thead><tr><th>Πεδίο</th><th>Τύπος</th><th>Απαίτηση</th><th>Τιμές και όρια</th><th>Προεπιλογή</th></tr></thead><tbody><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">model</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>string</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Υποχρεωτικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span><div>microsoft/mai-transcribe-2</div></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">input_audio</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>object</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Υποχρεωτικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">language</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>string</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">temperature</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>number</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span><div>Ελάχιστο: 0</div><div>Μέγιστο: 1</div></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">response_format</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>string</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span><div>json, verbose_json</div></td><td data-cell-label=\"Προεπιλογή\" data-default=\"known\"><span class=\"card-cell-label\">Προεπιλογή</span>json</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">timestamp_granularities</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>array</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">provider</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span><code>object</code></td><td data-cell-label=\"Απαίτηση\"><span class=\"card-cell-label\">Απαίτηση</span>Προαιρετικό</td><td data-cell-label=\"Τιμές και όρια\"><span class=\"card-cell-label\">Τιμές και όρια</span></td><td data-cell-label=\"Προεπιλογή\" data-default=\"unspecified\"><span class=\"card-cell-label\">Προεπιλογή</span>—</td></tr></tbody></table></div><details class=\"note-s\" data-method-contract><summary>Παράμετροι και κύκλος ζωής μεθόδου</summary><div class=\"tw\" data-card-table=\"contract\"><table><thead><tr><th>Παράμετρος</th><th>Σύμβαση</th></tr></thead><tbody><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>content_type</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>application/json</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>required</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>model, input_audio</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>material_types</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>audio</td></tr><tr><th data-cell-label=\"Παράμετρος\" scope=\"row\"><span class=\"card-cell-label\">Παράμετρος</span><code>material_conditions</code></th><td data-cell-label=\"Σύμβαση\"><span class=\"card-cell-label\">Σύμβαση</span>Διαβάστε πραγματικό αρχείο WAV και κωδικοποιήστε τα πραγματικά byte του για τη δηλωμένη είσοδο JSON input_audio· δεν παρουσιάζεται διαδρομή multipart για αυτή την ακριβή δήλωση αποκλειστικής χρήσης JSON.</td></tr></tbody></table></div><p>Κύκλος ζωής: <code>synchronous_result_then_owned_library</code></p><p class=\"note-s\"><code>GET /v1/media/tasks/{task_id}</code> · Το πραγματικό task_id που επιστράφηκε ή μια εγγραφή στη βιβλιοθήκη πολυμέσων</p><p class=\"note-s\"><code>GET /v1/media/assets/{asset_id}/content</code></p><p class=\"note-s\"><code>GET /v1/media/assets</code></p><p class=\"note-s\"><code>GET /v1/media/assets/{asset_id}</code></p></details></details></section><section class=\"card-section\" data-card-section=\"pricing\"><h3 tabindex=\"-1\">Τιμολόγηση</h3><div class=\"card-result-process\" data-billing-basis><h5>Πώς υπολογίζεται η τελική χρέωση</h5><p class=\"note-s\">Οι εμφανιζόμενες τιμές χρησιμοποιούνται για την εκτίμηση του κόστους πριν από την παραγωγή. Η τελική χρέωση υπολογίζεται από το κόστος που καταγράφηκε για την αρχική παραγωγή. Η μετρημένη διάρκεια της εξόδου και οι προβλεπόμενες ποσότητες δεν αποτελούν την τελική χρεώσιμη ποσότητα.</p></div><div data-native-semantic-method=\"v1\" data-tariff-reference-only><p class=\"note-s\" data-rate-support-note>Οι τιμολογιακές αναφορές δεν προσθέτουν επιλογές αιτήματος. Οι υποστηριζόμενες παράμετροι αναφέρονται στην επιλεγμένη μέθοδο.</p><dl data-price-conditions><dt>Γρήγορη λειτουργία</dt><dd>Δεν έχει οριστεί <span class=\"note-s\">Όταν επιλέγεται η γρήγορη λειτουργία</span></dd><dt>Λειτουργία flex</dt><dd>Δεν έχει οριστεί <span class=\"note-s\">Όταν επιλέγεται η λειτουργία flex</span></dd><dt>Μέγιστη προσπάθεια συλλογισμού</dt><dd>Δεν έχει οριστεί <span class=\"note-s\">Όταν η μέγιστη προσπάθεια συλλογισμού χρησιμοποιεί την προσαρμογή default</span></dd></dl></div><div data-declared-tariff-pricing><h4>Εκτιμώμενες χρεώσεις για σύγκριση</h4><h4>Τιμές ανά διαμόρφωση</h4><p class=\"note-s\">Αντιστοιχίστε κάθε χρέωση στις συνθήκες που εμφανίζονται. Χρησιμοποιήστε μία χρέωση ανά σύνολο εναλλακτικών διαμορφώσεων.</p><div class=\"tw\" data-pricing-profiles><table><thead><tr><th>Διαμόρφωση</th><th>Πίνακας χρεώσεων</th><th>Προβλεπόμενη ποσότητα</th><th>Μονάδα τιμολόγησης</th><th>Χρέωση</th></tr></thead><tbody><tr><th data-cell-label=\"Διαμόρφωση\" scope=\"row\"><span class=\"card-cell-label\">Διαμόρφωση</span>Βασικές χρεώσεις token</th><td data-cell-label=\"Πίνακας χρεώσεων\"><span class=\"card-cell-label\">Πίνακας χρεώσεων</span>Βασική χρέωση</td><td data-cell-label=\"Προβλεπόμενη ποσότητα\"><span class=\"card-cell-label\">Προβλεπόμενη ποσότητα</span>—</td><td data-cell-label=\"Μονάδα τιμολόγησης\"><span class=\"card-cell-label\">Μονάδα τιμολόγησης</span>—</td><td data-cell-label=\"Χρέωση\"><span class=\"card-cell-label\">Χρέωση</span><div><span>Είσοδος · Token εισόδου · Εκτίμηση μόνο για σύγκριση</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Έξοδος · Token εξόδου · Εκτίμηση μόνο για σύγκριση</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Ανάγνωση από την κρυφή μνήμη · Εκτίμηση μόνο για σύγκριση</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Εγγραφή στην κρυφή μνήμη · Εκτίμηση μόνο για σύγκριση</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div><div><span>Είσοδος · Εγγραφή στην κρυφή μνήμη, 1 ώρα · Εκτίμηση μόνο για σύγκριση</span> <b>—</b> <span class=\"price-unit\">/ 1K token</span></div></td></tr><tr><th data-cell-label=\"Διαμόρφωση\" scope=\"row\"><span class=\"card-cell-label\">Διαμόρφωση</span>ώρα ήχου εισόδου</th><td data-cell-label=\"Πίνακας χρεώσεων\"><span class=\"card-cell-label\">Πίνακας χρεώσεων</span>—</td><td data-cell-label=\"Προβλεπόμενη ποσότητα\"><span class=\"card-cell-label\">Προβλεπόμενη ποσότητα</span>—</td><td data-cell-label=\"Μονάδα τιμολόγησης\"><span class=\"card-cell-label\">Μονάδα τιμολόγησης</span>ανά ώρα ήχου εισόδου</td><td data-cell-label=\"Χρέωση\"><span class=\"card-cell-label\">Χρέωση</span><div><span>Είσοδος · ώρα ήχου εισόδου · Εκτίμηση μόνο για σύγκριση</span> <b>$0.2</b> <span class=\"price-unit\">ανά ώρα ήχου εισόδου</span></div></td></tr><tr><th data-cell-label=\"Διαμόρφωση\" scope=\"row\"><span class=\"card-cell-label\">Διαμόρφωση</span>Εκτιμώμενο κόστος δημιουργίας</th><td data-cell-label=\"Πίνακας χρεώσεων\"><span class=\"card-cell-label\">Πίνακας χρεώσεων</span>—</td><td data-cell-label=\"Προβλεπόμενη ποσότητα\"><span class=\"card-cell-label\">Προβλεπόμενη ποσότητα</span>εκτίμηση για μία δημιουργία</td><td data-cell-label=\"Μονάδα τιμολόγησης\"><span class=\"card-cell-label\">Μονάδα τιμολόγησης</span>—</td><td data-cell-label=\"Χρέωση\"><span class=\"card-cell-label\">Χρέωση</span><div><span>Έξοδος · Εκτιμώμενο κόστος δημιουργίας · Εκτίμηση μόνο για σύγκριση</span> <b>$0.00005555555555555556</b> <span class=\"price-unit\">εκτίμηση πριν από τη δημιουργία</span></div><p class=\"note-s\">Αυτή η εκτίμηση δεν αποτελεί πρόσθετη χρέωση ούτε σταθερή τιμή για την ολοκληρωμένη παραγωγή.</p></td></tr></tbody></table></div></div><p class=\"note-s\">Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. <a href=\"/docs/el/billing/reserve/\">Πώς λειτουργούν η δέσμευση και η εκκαθάριση →</a></p></section><section class=\"card-section\" data-card-section=\"examples\"><h3 tabindex=\"-1\">Παραδείγματα αιτημάτων</h3><h4>Ailoot Ultra · Απομαγνητοφώνηση</h4><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Παραλλαγές κώδικα\"><button class=\"cg-tab\" id=\"model-code-1847-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1847-panel-0\" aria-selected=\"true\" tabindex=\"0\">curl · ακριβές εγγενές σώμα και πλήρες αποτέλεσμα</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Αντιγραφή κώδικα\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-1847-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-1847-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\n: &quot;${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}&quot;\npython3 - &lt;&lt;&#39;PY_REQUEST&#39;\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ[&#39;AILOOT_AUDIO_FILE&#39;]).read_bytes()\nif not (audio[:4]==b&#39;RIFF&#39; and audio[8:12]==b&#39;WAVE&#39;): raise SystemExit(&#39;Supply an actual WAV audio file&#39;)\nif len(audio)&gt;26214400: raise SystemExit(&#39;Use a documented supported large-file flow&#39;)\nrequest={&#39;model&#39;: &#39;microsoft/mai-transcribe-2&#39;, &#39;input_audio&#39;: {&#39;data&#39;: &#39;${BASE64_ACTUAL_WAV_BYTES}&#39;, &#39;format&#39;: &#39;wav&#39;}}\nrequest[&#39;input_audio&#39;][&#39;data&#39;]=base64.b64encode(audio).decode(&#39;ascii&#39;)\nPath(&#39;request.json&#39;).write_text(json.dumps(request,ensure_ascii=False),encoding=&#39;utf-8&#39;)\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -H &#39;Content-Type: application/json&#39; \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n</code></pre></div></div></div></section><section class=\"card-section\" data-card-section=\"results\"><h3 tabindex=\"-1\">Λήψη και αποθήκευση αποτελεσμάτων</h3><h4>Ailoot Ultra · Απομαγνητοφώνηση</h4><ul class=\"card-result-paths\"><li><code>GET /v1/media/tasks/{task_id}</code></li><li><code>GET /v1/media/assets/{asset_id}/content</code></li><li><code>GET /v1/media/assets</code></li><li><code>GET /v1/media/assets/{asset_id}</code></li></ul><details class=\"card-about\"><summary>Άλλες ανακτήσεις περιεχομένου</summary><div class=\"code-group\"><div class=\"cg-bar\"><div class=\"cg-tabs\" role=\"tablist\" aria-label=\"Παραλλαγές κώδικα\"><button class=\"cg-tab\" id=\"model-code-1848-tab-0\" role=\"tab\" type=\"button\" aria-controls=\"model-code-1848-panel-0\" aria-selected=\"true\" tabindex=\"0\">Ανάκτηση υπαρχόντων αρχείων που σας ανήκουν</button></div><div class=\"cg-tools\"><button class=\"cg-btn cg-copy\" type=\"button\" aria-label=\"Αντιγραφή κώδικα\"><svg class=\"cp\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><rect x=\"5.25\" y=\"5.25\" width=\"8.5\" height=\"8.5\" rx=\"1.75\"/><path d=\"M10.75 5.25V3.5a1.25 1.25 0 0 0-1.25-1.25H3.5A1.25 1.25 0 0 0 2.25 3.5v6a1.25 1.25 0 0 0 1.25 1.25h1.75\"/></svg><svg class=\"ok\" viewBox=\"0 0 16 16\" fill=\"none\" stroke=\"currentColor\" stroke-width=\"1.4\"><path d=\"m3 8.5 3.25 3.25L13 5\"/></svg></button></div></div><div class=\"cg-body\"><div class=\"cg-pane\" id=\"model-code-1848-panel-0\" role=\"tabpanel\" aria-labelledby=\"model-code-1848-tab-0\"><pre data-lang=\"bash\"><code>set -eu\n: &quot;${AILOOT_API_KEY:?Set your Ailoot API key}&quot;\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n  -H &quot;Authorization: Bearer $AILOOT_API_KEY&quot; -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\n</code></pre></div></div></div></details><div class=\"card-result-process\" data-all-results><h5>Διατηρήστε όλα τα ολοκληρωμένα αποτελέσματα</h5><p class=\"note-s\">Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.</p><p class=\"note-s\">Διατηρήστε ολόκληρη την απόκριση και τις κεφαλίδες, κάθε πραγματικό αποτέλεσμα εξόδου, τα αρχικά αναγνωριστικά που επιστράφηκαν και όλα τα πεδία χρήσης. Ανακτήστε την αρχική λειτουργία χωρίς να υποβάλετε ξανά αίτημα δημιουργίας.</p></div><div class=\"card-result-process\" data-unknown-recovery><h5>Αν χρειάζεται έλεγχος της αρχικής απάντησης</h5><p class=\"note-s\">Διατηρήστε το X-Client-Request-ID που επιστράφηκε για τη συμφωνία των εγγραφών. Διαβάστε μόνο πραγματικές τιμές task_id/asset_id που επιστράφηκαν ή τη βιβλιοθήκη πολυμέσων που σας ανήκει· μην κατασκευάσετε ποτέ URL εργασίας από το ID της λειτουργίας και μην υποβάλετε ποτέ ξανά αίτημα δημιουργίας.</p></div><details class=\"card-about\" data-output-fields><summary>Πεδία απάντησης</summary><div class=\"tw\" data-card-table=\"output\"><table><thead><tr><th>Πεδίο</th><th>Τύπος</th></tr></thead><tbody><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">text</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span></td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">usage</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span></td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">segments[]</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span></td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">words[]</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span></td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">speaker fields</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span></td></tr><tr><th data-cell-label=\"Πεδίο\" scope=\"row\"><span class=\"card-cell-label\">Πεδίο</span><code class=\"card-field-name\">timestamps</code></th><td data-cell-label=\"Τύπος\" data-field-type><span class=\"card-cell-label\">Τύπος</span></td></tr></tbody></table></div></details></section><section class=\"card-section\" data-card-section=\"aliases\"><h3 tabindex=\"-1\">Εναλλακτικά ονόματα</h3><h4>Εναλλακτικά ονόματα μοντέλου</h4><p class=\"note-s\"><span data-model-alias-route=\"Ultra\"><b>Ailoot Ultra</b> <a href=\"#m=microsoft%2Fmai-transcribe-2&amp;route=Ultra&amp;caller=microsoft%2Fmai-transcribe-2&amp;fmt=transcriptions\"><code>microsoft/mai-transcribe-2</code></a></span></p><h4>Εναλλακτικές διαδρομές μεθόδων</h4><p class=\"note-s\">Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.</p><h4>Σχετικά ID μοντέλων</h4><p class=\"note-s\"><a href=\"#m=microsoft%2Fmai-transcribe-2&amp;route=Ultra&amp;caller=microsoft%2Fmai-transcribe-2&amp;fmt=transcriptions\"><code>microsoft/mai-transcribe-2</code></a></p></section></div>",
      "method_identity": {
        "effective_request_model_id": "microsoft/mai-transcribe-2",
        "fmt": "transcriptions",
        "http": "POST",
        "path": "/v1/audio/transcriptions",
        "request_model_id": "microsoft/mai-transcribe-2",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|microsoft%2Fmai-transcribe-2",
      "ordinal": 0,
      "rawMethod": {
        "available": null,
        "billing_basis": {
          "basis": "original_invoice_usd",
          "description": "Οι εμφανιζόμενες τιμές χρησιμοποιούνται για την εκτίμηση του κόστους πριν από την παραγωγή. Η τελική χρέωση υπολογίζεται από το κόστος που καταγράφηκε για την αρχική παραγωγή. Η μετρημένη διάρκεια της εξόδου και οι προβλεπόμενες ποσότητες δεν αποτελούν την τελική χρεώσιμη ποσότητα.",
          "forecast_quantity_is_estimate": true,
          "physical_output_is_billable_quantity": false,
          "version": "original_invoice_usd_v1"
        },
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "lifecycle": {
              "assets": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets"
                },
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}"
                }
              ],
              "content": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}/content",
                  "url_source": "exact returned signed URL; never construct token"
                }
              ],
              "mode": "synchronous_result_then_owned_library",
              "operation_id_is_not_task_id": true,
              "status": [
                {
                  "http": "GET",
                  "id_source": "actual returned task_id or media library record",
                  "path": "/v1/media/tasks/{task_id}"
                }
              ],
              "unknown": "Διατηρήστε το X-Client-Request-ID που επιστράφηκε για τη συμφωνία των εγγραφών. Διαβάστε μόνο πραγματικές τιμές task_id/asset_id που επιστράφηκαν ή τη βιβλιοθήκη πολυμέσων που σας ανήκει· μην κατασκευάσετε ποτέ URL εργασίας από το ID της λειτουργίας και μην υποβάλετε ποτέ ξανά αίτημα δημιουργίας."
            },
            "outputs": {
              "all_results": "Διατηρήστε ολόκληρη την απόκριση και τις κεφαλίδες, κάθε πραγματικό αποτέλεσμα εξόδου, τα αρχικά αναγνωριστικά που επιστράφηκαν και όλα τα πεδία χρήσης. Ανακτήστε την αρχική λειτουργία χωρίς να υποβάλετε ξανά αίτημα δημιουργίας.",
              "family": "text",
              "fields": [
                {
                  "description": null,
                  "name": "text",
                  "type": null
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": null
                },
                {
                  "description": null,
                  "name": "segments[]",
                  "type": null
                },
                {
                  "description": null,
                  "name": "words[]",
                  "type": null
                },
                {
                  "description": null,
                  "name": "speaker fields",
                  "type": null
                },
                {
                  "description": null,
                  "name": "timestamps",
                  "type": null
                }
              ]
            },
            "parameters": [
              {
                "enum": [
                  "microsoft/mai-transcribe-2"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "name": "input_audio",
                "required": true,
                "type": "object"
              },
              {
                "name": "language",
                "required": false,
                "type": "string"
              },
              {
                "maximum": 1,
                "minimum": 0,
                "name": "temperature",
                "required": false,
                "type": "number"
              },
              {
                "default": "json",
                "default_known": true,
                "enum": [
                  "json",
                  "verbose_json"
                ],
                "enum_known": true,
                "name": "response_format",
                "required": false,
                "type": "string"
              },
              {
                "items": {
                  "enum": [
                    "segment",
                    "word"
                  ],
                  "type": "string"
                },
                "name": "timestamp_granularities",
                "required": false,
                "type": "array"
              },
              {
                "name": "provider",
                "required": false,
                "type": "object"
              }
            ],
            "request_schema": {
              "properties": {
                "input_audio": {
                  "properties": {
                    "data": {
                      "contentEncoding": "base64",
                      "type": "string"
                    },
                    "format": {
                      "enum": [
                        "wav",
                        "mp3",
                        "flac",
                        "m4a",
                        "ogg",
                        "webm",
                        "aac"
                      ],
                      "type": "string"
                    }
                  },
                  "required": [
                    "data",
                    "format"
                  ],
                  "type": "object"
                },
                "language": {
                  "description": "ISO-639-1 code; omitted means auto-detection",
                  "type": "string"
                },
                "model": {
                  "enum": [
                    "microsoft/mai-transcribe-2"
                  ],
                  "type": "string"
                },
                "provider": {
                  "description": "Data policy and exact provider options; order/only/ignore are not applied to STT",
                  "properties": {
                    "data_collection": {
                      "enum": [
                        "allow",
                        "deny",
                        null
                      ],
                      "type": [
                        "string",
                        "null"
                      ]
                    },
                    "options": {
                      "type": "object"
                    },
                    "zdr": {
                      "type": [
                        "boolean",
                        "null"
                      ]
                    }
                  },
                  "type": "object"
                },
                "response_format": {
                  "default": "json",
                  "description": "verbose_json requires exact model/provider support",
                  "enum": [
                    "json",
                    "verbose_json"
                  ],
                  "type": "string"
                },
                "temperature": {
                  "maximum": 1,
                  "minimum": 0,
                  "type": "number"
                },
                "timestamp_granularities": {
                  "description": "Only used with supported verbose_json",
                  "items": {
                    "enum": [
                      "segment",
                      "word"
                    ],
                    "type": "string"
                  },
                  "type": "array"
                }
              },
              "required": [
                "model",
                "input_audio"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": true,
              "body": {
                "input_audio": {
                  "data": "${BASE64_ACTUAL_WAV_BYTES}",
                  "format": "wav"
                },
                "model": "microsoft/mai-transcribe-2"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "content_type": "application/json",
            "material_conditions": [
              "Διαβάστε πραγματικό αρχείο WAV και κωδικοποιήστε τα πραγματικά byte του για τη δηλωμένη είσοδο JSON input_audio· δεν παρουσιάζεται διαδρομή multipart για αυτή την ακριβή δήλωση αποκλειστικής χρήσης JSON."
            ],
            "material_types": [
              "audio"
            ],
            "required": [
              "model",
              "input_audio"
            ]
          },
          "lifecycle": {
            "assets": [
              {
                "http": "GET",
                "path": "/v1/media/assets"
              },
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}"
              }
            ],
            "content": [
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}/content",
                "url_source": "exact returned signed URL; never construct token"
              }
            ],
            "mode": "synchronous_result_then_owned_library",
            "operation_id_is_not_task_id": true,
            "status": [
              {
                "http": "GET",
                "id_source": "Το πραγματικό task_id που επιστράφηκε ή μια εγγραφή στη βιβλιοθήκη πολυμέσων",
                "path": "/v1/media/tasks/{task_id}"
              }
            ],
            "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation."
          },
          "method": {
            "http": "POST",
            "path": "/v1/audio/transcriptions"
          },
          "output": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "family": "text",
            "fields": [
              {
                "description": null,
                "name": "text",
                "type": null
              },
              {
                "description": null,
                "name": "usage",
                "type": null
              },
              {
                "description": null,
                "name": "segments[]",
                "type": null
              },
              {
                "description": null,
                "name": "words[]",
                "type": null
              },
              {
                "description": null,
                "name": "speaker fields",
                "type": null
              },
              {
                "description": null,
                "name": "timestamps",
                "type": null
              }
            ]
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "per input audio hour"
            },
            "label": "input audio hour",
            "units": [
              {
                "amount": "0.2",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "stt_hour",
                "label": "input audio hour",
                "native_amount_usd_per_unit": "0.2",
                "native_quantity": 1,
                "public_unit_label": "per input audio hour",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "stt_hour"
              }
            ]
          },
          {
            "basis": "Αυτή η εκτίμηση δεν αποτελεί πρόσθετη χρέωση ούτε σταθερή τιμή για την ολοκληρωμένη παραγωγή.",
            "dimensions": {
              "forecast_quantity": "one generation estimate"
            },
            "label": "Εκτιμώμενο κόστος δημιουργίας",
            "units": [
              {
                "amount": "0.00005555555555555556",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "forecast_usd",
                "label": "Estimated generation cost",
                "native_amount_usd_per_unit": "0.00005555555555555556",
                "native_quantity": 1,
                "public_unit_label": "estimate before generation",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "request_estimate"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'microsoft/mai-transcribe-2', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}\nrequest['input_audio']['data']=base64.b64encode(audio).decode('ascii')\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n",
            "label": "curl · exact native body and complete result",
            "language": "bash"
          },
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\n",
            "label": "Read existing owned assets",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "transcriptions",
        "hints": [
          "Use the exact caller model ID and documented input representation.",
          "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again."
        ],
        "http": "POST",
        "in": null,
        "input": [
          "audio"
        ],
        "label": "Απομαγνητοφώνηση",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "native_endpoint": "audio_transcriptions",
        "out": null,
        "output": [
          "text"
        ],
        "path": "/v1/audio/transcriptions",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "original_invoice_usd",
          "image_input_price": null,
          "image_output_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "per input audio hour"
            },
            "label": "input audio hour",
            "units": [
              {
                "amount": "0.2",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "stt_hour",
                "label": "input audio hour",
                "native_amount_usd_per_unit": "0.2",
                "native_quantity": 1,
                "public_unit_label": "per input audio hour",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "stt_hour"
              }
            ]
          },
          {
            "basis": "This estimate is not an additional charge or a fixed rate for the completed generation.",
            "dimensions": {
              "forecast_quantity": "one generation estimate"
            },
            "label": "Estimated generation cost",
            "units": [
              {
                "amount": "0.00005555555555555556",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "forecast_usd",
                "label": "Estimated generation cost",
                "native_amount_usd_per_unit": "0.00005555555555555556",
                "native_quantity": 1,
                "public_unit_label": "estimate before generation",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "request_estimate"
              }
            ]
          }
        ],
        "request_model_id": "microsoft/mai-transcribe-2",
        "route_label": "Ultra",
        "status_reads": [
          "GET /v1/media/tasks/{task_id}"
        ],
        "tiers": [],
        "units": [
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          },
          {
            "amount": "0.2",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": false,
            "estimate_only": true,
            "key": "stt_hour",
            "label": "input audio hour",
            "native_amount_usd_per_unit": "0.2",
            "native_quantity": 1,
            "public_unit_label": "per input audio hour",
            "quantity": 1,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "stt_hour"
          },
          {
            "amount": "0.00005555555555555556",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": false,
            "estimate_only": true,
            "key": "forecast_usd",
            "label": "Estimated generation cost",
            "native_amount_usd_per_unit": "0.00005555555555555556",
            "native_quantity": 1,
            "public_unit_label": "estimate before generation",
            "quantity": 1,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "request_estimate"
          }
        ]
      }
    }
  ],
  "model_id": "microsoft/mai-transcribe-2",
  "nativeProvenance": {
    "input_facts_canonical_sha256": "10479e794279c61226325644fc145d6bd4d9699e1655e08930d61a75833f270f",
    "input_html_sha256": "bb6b45ef96d792bc4c4b79908ad07ba381de489e8a9d99ec292998e5dd50b38c",
    "private_audit_sha256": "5580fa88cd440c368e9def7e46149c2e0bf3264ce0d8edec32bb159224648a20",
    "role": "historical-normalized-input-audit-hashes",
    "schema": "ailoot-native-model-provenance-v2"
  },
  "page": {
    "canonical": "https://ailoot.ai/models/el/microsoft-mai-transcribe-2/",
    "description": "Το Microsoft AI MAI-Transcribe 2 μετατρέπει καταγεγραμμένη ομιλία σε κείμενο σε 60 γλώσσες, με αυτόματη αναγνώριση γλώσσας και εναλλαγή γλωσσών. Προσθέτει διαχωρισμό ομιλητών, χρονισμό λέξεων, καθοδήγηση με λέξεις-κλειδιά και καθαρό ή κατά λέξη ύφος για πρακτικά συναντήσεων, υπότιτλους, ήχο με δυνατότητα αναζήτησης και εξειδικευμένη υπαγόρευση.",
    "locale": "el",
    "md_url": "https://ailoot.ai/models/el/microsoft-mai-transcribe-2/index.md",
    "title": "Microsoft AI: MAI-Transcribe 2 — Ailoot",
    "url": "https://ailoot.ai/models/el/microsoft-mai-transcribe-2/"
  },
  "rawModel": {
    "about": "Το Microsoft AI MAI-Transcribe 2 είναι η έκδοση μετατροπής καταγεγραμμένου ήχου σε κείμενο της οικογένειας απομαγνητοφώνησης δεύτερης γενιάς της Microsoft. Μετατρέπει προφορικό περιεχόμενο σε γραπτό κείμενο σε 60 γλώσσες, με αυτόματη αναγνώριση γλώσσας και υποστήριξη ομιλίας που εναλλάσσει γλώσσες. Το μοντέλο προσθέτει διαχωρισμό ομιλητών, χρονισμό ανά λέξη και επιλέξιμα ύφη απομαγνητοφώνησης. Χρήσιμα παραδοτέα περιλαμβάνουν απομαγνητοφώνηση συνάντησης με απόδοση σε ομιλητές, εγγραφή συνέντευξης με δυνατότητα αναζήτησης, δεδομένα ευθυγράμμισης υποτίτλων ή ελεγμένη υπαγόρευση που περιέχει εξειδικευμένη ορολογία.\n\nΠροετοιμάστε την ηχογράφηση με το προφορικό υλικό ακέραιο. Ο κατασκευαστής αναφέρει είσοδο WAV, MP3 και FLAC. Διατηρήστε τον αρχικό ήχο διαθέσιμο για σύγκριση αβέβαιων λέξεων, ονομάτων και αριθμών με το αναγνωρισμένο κείμενο. Μια ηχογράφηση μπορεί να περιέχει θόρυβο περιβάλλοντος ή μεταβαλλόμενη ποιότητα μικροφώνου, τα οποία το μοντέλο έχει σχεδιαστεί να χειρίζεται, αλλά ο έλεγχος πρέπει και πάλι να επικεντρώνεται σε ασαφή ή αλληλεπικαλυπτόμενα αποσπάσματα. Για συνέντευξη, κρατήστε την ακολουθία εναλλαγών και παύσεων αντί να αφαιρείτε το πλαίσιο που βοηθά στην ερμηνεία μιας απάντησης.\n\nΗ αυτόματη ανίχνευση γλώσσας είναι χρήσιμη όταν η γλώσσα δεν είναι γνωστή εκ των προτέρων. Το τεκμηριωμένο σύνολο 60 γλωσσών περιλαμβάνει αγγλικά, ρωσικά, κινεζικά, ιαπωνικά, κορεατικά, αραβικά, γαλλικά, γερμανικά, ισπανικά, ινδονησιακά, μαλαϊκά, ταϊλανδικά και βιετναμικά. Η εναλλαγή γλωσσών καλύπτει φυσικές αλλαγές μεταξύ γλωσσών, συμπεριλαμβανομένων μεικτών ζευγών όπως Hinglish ή Spanglish. Η διεπαφή του κατασκευαστή δέχεται επίσης μία υπόδειξη γλώσσας, την οποία περιγράφει ως ισχυρή οδηγία. Χρησιμοποιήστε την μόνο όταν η ηχογράφηση είναι πράγματι στη συγκεκριμένη γλώσσα, αντί να εξαναγκάζετε μια πολυγλωσσική συνομιλία σε μία αναμενόμενη γλώσσα.\n\nΗ καθοδήγηση με λέξεις-κλειδιά παρέχει ειδικούς όρους του τομέα, συντομογραφίες, ονόματα προϊόντων και κύρια ονόματα που μπορεί διαφορετικά να είναι δύσκολο να διακριθούν από τον ήχο. Προετοιμάστε εστιασμένη λίστα σχετική με την ηχογράφηση, όπως το όνομα έργου, μια σειρά προϊόντων ή τεχνικές λέξεις που χρησιμοποιούνται στη συζήτηση. Ο οδηγός εξυπηρέτησης τα περιγράφει ως υποδείξεις αναγνώρισης και όχι ως εξαναγκασμένες αντιστοιχίσεις. Για τεχνική διάλεξη, συμπεριλάβετε την ακριβή ορθογραφία των κατονομαζόμενων οργάνων και των εξειδικευμένων όρων και, στη συνέχεια, ελέγξτε αν η απομαγνητοφώνηση τα τοποθετεί εκεί όπου πράγματι ειπώθηκαν. Ένας παρεχόμενος όρος δεν είναι τεκμήριο ότι τον είπε ο ομιλητής.\n\nΕπιλέξτε το ύφος εξόδου με βάση το προβλεπόμενο παραδοτέο. Το Verbatim, η τεκμηριωμένη προεπιλογή, διατηρεί λέξεις γεμίσματος, λανθασμένα ξεκινήματα και αυτοδιορθώσεις. Το Clean αφαιρεί τις δυσχέρειες ροής για πιο ευανάγνωστη απομαγνητοφώνηση. Μια εγγραφή που χρησιμοποιείται για εξέταση του τρόπου εξέλιξης μιας συνομιλίας μπορεί να διατηρεί τον δισταγμό και τη διόρθωση· μια ευανάγνωστη απομαγνητοφώνηση μαθήματος μπορεί να χρησιμοποιεί την καθαρισμένη διατύπωση. Κρατήστε τον αρχικό ήχο δίπλα σε οποιοδήποτε αποτέλεσμα. Ο καθαρισμός βελτιώνει την παρουσίαση του προφορικού κειμένου και δεν πρέπει να αντιμετωπίζεται ως ξεχωριστή περίληψη ή νέα ερμηνεία του νοήματος του ομιλητή.\n\nΟ διαχωρισμός ομιλητών χωρίζει τις εναλλαγές ανά ανιχνευόμενο ομιλητή και οι χρονικές σημάνσεις ανά λέξη παρέχουν μετατόπιση και διάρκεια για κάθε λέξη. Η διεπαφή εξυπηρέτησης προσφέρει επίσης χρονισμό τμημάτων ή καθόλου χρονισμό. Τα τμήματα χωρίζονται ανά γλώσσα και, όταν ο διαχωρισμός ομιλητών είναι ενεργός, ανά ομιλητή. Τα πεδία χρονισμού χρησιμοποιούν χιλιοστά του δευτερολέπτου και μπορούν να υποστηρίζουν πλοήγηση, αναζήτηση και επεξεργασία. Οι ετικέτες διακρίνουν τους ανιχνευμένους ομιλητές· η αντιστοίχιση μιας ετικέτας με το όνομα συμμετέχοντος είναι ξεχωριστό βήμα ελέγχου. Για υπότιτλους, χρησιμοποιήστε ελεγμένους χρονισμούς λέξεων για να προετοιμάσετε ευανάγνωστες ομάδες ατακών, αντί να θεωρείτε ότι το αποτέλεσμα αναγνώρισης είναι ήδη έτοιμο αρχείο υποτίτλων.\n\nΗ κάρτα μοντέλου αναφέρει μέγιστο μέγεθος αρχείου 300 MB και δύο ώρες. Η συνδεδεμένη αναφορά σύγχρονου REST για την τεκμηριωμένη διεπαφή 2025-10-15 απαιτεί αντίθετα αρχείο μικρότερο από 250 MB και συντομότερο από δύο ώρες. Πρόκειται για διακριτούς δημοσιευμένους περιορισμούς κάρτας μοντέλου και εξυπηρέτησης· προετοιμάστε αρχείο εντός του ισχύοντος ορίου εξυπηρέτησης. Ο οδηγός MAI αναφέρει επίσης ότι ο διαχωρισμός ομιλητών υποστηρίζει συντομότερες ηχογραφήσεις από την απομαγνητοφώνηση χωρίς διαχωρισμό ομιλητών. Οργανώστε μεγάλο υλικό πολλών ομιλητών σε συνεκτικές ενότητες όταν απαιτείται απόδοση σε ομιλητές και διατηρήστε τη θέση της ενότητας στην αρχική ηχογράφηση για μεταγενέστερο έλεγχο.\n\nΗ τεκμηριωμένη έξοδος είναι δομημένα δεδομένα απομαγνητοφώνησης: πλήρες κείμενο, φράσεις και, όταν ζητηθούν, πληροφορίες ομιλητών και χρονισμού. Μια φράση μπορεί να περιέχει το κείμενο, τη γλώσσα, τη μετατόπιση και τη διάρκειά της· ο χρονισμός λέξεων μπορεί να συνδέσει μια αναγνωρισμένη λέξη με τον ήχο. Για αρχείο με δυνατότητα αναζήτησης, διατηρήστε αυτές τις σχέσεις ώστε ένας εντοπισμένος όρος να οδηγεί πίσω στην ηχογράφηση. Για ροή συνάντησης, μια ελεγμένη απομαγνητοφώνηση γίνεται είσοδος για μεταγενέστερη σύνοψη ή εξαγωγή ενεργειών. Το αποτέλεσμα του μοντέλου ομιλίας είναι το αναγνωρισμένο περιεχόμενο και όχι μια ανεξάρτητα επαληθευμένη καταγραφή των αποφάσεων της συνάντησης.\n\nΗ διάκριση εκδόσεων είναι συγκεκριμένη. Το MAI-Transcribe 1.5 καλύπτει 43 γλώσσες, ενώ αυτή η έκδοση καλύπτει 60 και προσθέτει τις τεκμηριωμένες ρυθμίσεις διαχωρισμού ομιλητών, χρονικών σημάνσεων λέξεων και clean/verbatim. Το MAI-Transcribe 2 Streaming είναι ξεχωριστό μοντέλο για σταδιακή απομαγνητοφώνηση πραγματικού χρόνου με δικό του σύνολο δυνατοτήτων· η καθυστέρηση πρώτου μερικού αποτελέσματός του δεν περιγράφει αυτή την έκδοση καταγεγραμμένου ήχου. Ελέγξτε την απομαγνητοφώνηση ως προς τον ήχο για ονόματα, αριθμούς, εναλλαγές ομιλητών και πολύγλωσσα αποσπάσματα πριν τη χρησιμοποιήσετε ως πηγή για υπότιτλους, παραθέματα ή παράγωγο έγγραφο.",
    "alias_of": null,
    "aliases": [],
    "author": "Microsoft AI",
    "capabilities": {
      "context_length": 0,
      "manufacturer_input": [
        "audio"
      ],
      "manufacturer_output": [
        "transcription"
      ]
    },
    "card_routes": [
      {
        "label": "Ultra",
        "rates": [
          {
            "amount": "0.00005555555555555556",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": false,
            "estimate_only": true,
            "key": "forecast_usd",
            "label": "Estimated generation cost",
            "native_amount_usd_per_unit": "0.00005555555555555556",
            "native_quantity": 1,
            "public_unit_label": "estimate before generation",
            "quantity": 1,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "request_estimate"
          }
        ],
        "summary": "Πλήρης τιμολόγηση της διαμόρφωσης στις λεπτομέρειες."
      }
    ],
    "ctx": null,
    "formats": [
      "transcriptions"
    ],
    "id": "microsoft/mai-transcribe-2",
    "input": [
      "audio"
    ],
    "kind": "audio",
    "max_out": null,
    "methods": [
      {
        "available": null,
        "billing_basis": {
          "basis": "original_invoice_usd",
          "description": "Οι εμφανιζόμενες τιμές χρησιμοποιούνται για την εκτίμηση του κόστους πριν από την παραγωγή. Η τελική χρέωση υπολογίζεται από το κόστος που καταγράφηκε για την αρχική παραγωγή. Η μετρημένη διάρκεια της εξόδου και οι προβλεπόμενες ποσότητες δεν αποτελούν την τελική χρεώσιμη ποσότητα.",
          "forecast_quantity_is_estimate": true,
          "physical_output_is_billable_quantity": false,
          "version": "original_invoice_usd_v1"
        },
        "cache_read": null,
        "cache_write": null,
        "cache_write_1h": null,
        "contract": {
          "data": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "lifecycle": {
              "assets": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets"
                },
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}"
                }
              ],
              "content": [
                {
                  "http": "GET",
                  "path": "/v1/media/assets/{asset_id}/content",
                  "url_source": "exact returned signed URL; never construct token"
                }
              ],
              "mode": "synchronous_result_then_owned_library",
              "operation_id_is_not_task_id": true,
              "status": [
                {
                  "http": "GET",
                  "id_source": "actual returned task_id or media library record",
                  "path": "/v1/media/tasks/{task_id}"
                }
              ],
              "unknown": "Διατηρήστε το X-Client-Request-ID που επιστράφηκε για τη συμφωνία των εγγραφών. Διαβάστε μόνο πραγματικές τιμές task_id/asset_id που επιστράφηκαν ή τη βιβλιοθήκη πολυμέσων που σας ανήκει· μην κατασκευάσετε ποτέ URL εργασίας από το ID της λειτουργίας και μην υποβάλετε ποτέ ξανά αίτημα δημιουργίας."
            },
            "outputs": {
              "all_results": "Διατηρήστε ολόκληρη την απόκριση και τις κεφαλίδες, κάθε πραγματικό αποτέλεσμα εξόδου, τα αρχικά αναγνωριστικά που επιστράφηκαν και όλα τα πεδία χρήσης. Ανακτήστε την αρχική λειτουργία χωρίς να υποβάλετε ξανά αίτημα δημιουργίας.",
              "family": "text",
              "fields": [
                {
                  "description": null,
                  "name": "text",
                  "type": null
                },
                {
                  "description": null,
                  "name": "usage",
                  "type": null
                },
                {
                  "description": null,
                  "name": "segments[]",
                  "type": null
                },
                {
                  "description": null,
                  "name": "words[]",
                  "type": null
                },
                {
                  "description": null,
                  "name": "speaker fields",
                  "type": null
                },
                {
                  "description": null,
                  "name": "timestamps",
                  "type": null
                }
              ]
            },
            "parameters": [
              {
                "enum": [
                  "microsoft/mai-transcribe-2"
                ],
                "enum_known": true,
                "name": "model",
                "required": true,
                "type": "string"
              },
              {
                "name": "input_audio",
                "required": true,
                "type": "object"
              },
              {
                "name": "language",
                "required": false,
                "type": "string"
              },
              {
                "maximum": 1,
                "minimum": 0,
                "name": "temperature",
                "required": false,
                "type": "number"
              },
              {
                "default": "json",
                "default_known": true,
                "enum": [
                  "json",
                  "verbose_json"
                ],
                "enum_known": true,
                "name": "response_format",
                "required": false,
                "type": "string"
              },
              {
                "items": {
                  "enum": [
                    "segment",
                    "word"
                  ],
                  "type": "string"
                },
                "name": "timestamp_granularities",
                "required": false,
                "type": "array"
              },
              {
                "name": "provider",
                "required": false,
                "type": "object"
              }
            ],
            "request_schema": {
              "properties": {
                "input_audio": {
                  "properties": {
                    "data": {
                      "contentEncoding": "base64",
                      "type": "string"
                    },
                    "format": {
                      "enum": [
                        "wav",
                        "mp3",
                        "flac",
                        "m4a",
                        "ogg",
                        "webm",
                        "aac"
                      ],
                      "type": "string"
                    }
                  },
                  "required": [
                    "data",
                    "format"
                  ],
                  "type": "object"
                },
                "language": {
                  "description": "ISO-639-1 code; omitted means auto-detection",
                  "type": "string"
                },
                "model": {
                  "enum": [
                    "microsoft/mai-transcribe-2"
                  ],
                  "type": "string"
                },
                "provider": {
                  "description": "Data policy and exact provider options; order/only/ignore are not applied to STT",
                  "properties": {
                    "data_collection": {
                      "enum": [
                        "allow",
                        "deny",
                        null
                      ],
                      "type": [
                        "string",
                        "null"
                      ]
                    },
                    "options": {
                      "type": "object"
                    },
                    "zdr": {
                      "type": [
                        "boolean",
                        "null"
                      ]
                    }
                  },
                  "type": "object"
                },
                "response_format": {
                  "default": "json",
                  "description": "verbose_json requires exact model/provider support",
                  "enum": [
                    "json",
                    "verbose_json"
                  ],
                  "type": "string"
                },
                "temperature": {
                  "maximum": 1,
                  "minimum": 0,
                  "type": "number"
                },
                "timestamp_granularities": {
                  "description": "Only used with supported verbose_json",
                  "items": {
                    "enum": [
                      "segment",
                      "word"
                    ],
                    "type": "string"
                  },
                  "type": "array"
                }
              },
              "required": [
                "model",
                "input_audio"
              ],
              "type": "object"
            },
            "schema_template": {
              "actual_file_preparation_required": true,
              "body": {
                "input_audio": {
                  "data": "${BASE64_ACTUAL_WAV_BYTES}",
                  "format": "wav"
                },
                "model": "microsoft/mai-transcribe-2"
              },
              "content_type": "application/json"
            }
          },
          "input": {
            "content_type": "application/json",
            "material_conditions": [
              "Διαβάστε πραγματικό αρχείο WAV και κωδικοποιήστε τα πραγματικά byte του για τη δηλωμένη είσοδο JSON input_audio· δεν παρουσιάζεται διαδρομή multipart για αυτή την ακριβή δήλωση αποκλειστικής χρήσης JSON."
            ],
            "material_types": [
              "audio"
            ],
            "required": [
              "model",
              "input_audio"
            ]
          },
          "lifecycle": {
            "assets": [
              {
                "http": "GET",
                "path": "/v1/media/assets"
              },
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}"
              }
            ],
            "content": [
              {
                "http": "GET",
                "path": "/v1/media/assets/{asset_id}/content",
                "url_source": "exact returned signed URL; never construct token"
              }
            ],
            "mode": "synchronous_result_then_owned_library",
            "operation_id_is_not_task_id": true,
            "status": [
              {
                "http": "GET",
                "id_source": "Το πραγματικό task_id που επιστράφηκε ή μια εγγραφή στη βιβλιοθήκη πολυμέσων",
                "path": "/v1/media/tasks/{task_id}"
              }
            ],
            "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation."
          },
          "method": {
            "http": "POST",
            "path": "/v1/audio/transcriptions"
          },
          "output": {
            "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.",
            "family": "text",
            "fields": [
              {
                "description": null,
                "name": "text",
                "type": null
              },
              {
                "description": null,
                "name": "usage",
                "type": null
              },
              {
                "description": null,
                "name": "segments[]",
                "type": null
              },
              {
                "description": null,
                "name": "words[]",
                "type": null
              },
              {
                "description": null,
                "name": "speaker fields",
                "type": null
              },
              {
                "description": null,
                "name": "timestamps",
                "type": null
              }
            ]
          }
        },
        "ctx": null,
        "declared_pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "per input audio hour"
            },
            "label": "input audio hour",
            "units": [
              {
                "amount": "0.2",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "stt_hour",
                "label": "input audio hour",
                "native_amount_usd_per_unit": "0.2",
                "native_quantity": 1,
                "public_unit_label": "per input audio hour",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "stt_hour"
              }
            ]
          },
          {
            "basis": "Αυτή η εκτίμηση δεν αποτελεί πρόσθετη χρέωση ούτε σταθερή τιμή για την ολοκληρωμένη παραγωγή.",
            "dimensions": {
              "forecast_quantity": "one generation estimate"
            },
            "label": "Εκτιμώμενο κόστος δημιουργίας",
            "units": [
              {
                "amount": "0.00005555555555555556",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "forecast_usd",
                "label": "Estimated generation cost",
                "native_amount_usd_per_unit": "0.00005555555555555556",
                "native_quantity": 1,
                "public_unit_label": "estimate before generation",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "request_estimate"
              }
            ]
          }
        ],
        "examples": [
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'microsoft/mai-transcribe-2', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}\nrequest['input_audio']['data']=base64.b64encode(audio).decode('ascii')\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n",
            "label": "curl · exact native body and complete result",
            "language": "bash"
          },
          {
            "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n  -H \"Authorization: Bearer $AILOOT_API_KEY\" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\n",
            "label": "Read existing owned assets",
            "language": "bash"
          }
        ],
        "family": "openai",
        "fast_multiplier": null,
        "flex_multiplier": null,
        "fmt": "transcriptions",
        "hints": [
          "Use the exact caller model ID and documented input representation.",
          "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again."
        ],
        "http": "POST",
        "in": null,
        "input": [
          "audio"
        ],
        "label": "Απομαγνητοφώνηση",
        "max_out": null,
        "max_reasoning_effort_multiplier": null,
        "method_aliases": [],
        "native_endpoint": "audio_transcriptions",
        "out": null,
        "output": [
          "text"
        ],
        "path": "/v1/audio/transcriptions",
        "price_conditions": [
          {
            "label": "Fast mode",
            "value": "Not specified",
            "when": "When fast mode is selected"
          },
          {
            "label": "Flex mode",
            "value": "Not specified",
            "when": "When flex mode is selected"
          },
          {
            "label": "Maximum reasoning effort",
            "value": "Not specified",
            "when": "When maximum reasoning effort uses the default adjustment"
          }
        ],
        "pricing": {
          "billing_mode": "original_invoice_usd",
          "image_input_price": null,
          "image_output_price": null
        },
        "pricing_profiles": [
          {
            "dimensions": {
              "regime": "base"
            },
            "label": "Base token rates",
            "units": [
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "input_price",
                "label": "Input tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "output_price",
                "label": "Output tokens",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "output_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "output_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_read_price",
                "label": "Cache read",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "cached_input_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "cached_input_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_price",
                "label": "Cache write",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "generic_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "generic_cache_creation_token"
              },
              {
                "amount": null,
                "amount_unit": "usd_per_thousand_tokens",
                "billing_input": false,
                "estimate_only": true,
                "key": "cache_write_1h_price",
                "label": "Cache write, 1 hour",
                "native_amount_usd_per_unit": null,
                "native_quantity": 1,
                "native_unit": "one_hour_cache_creation_token",
                "public_unit_label": "/ 1K tokens",
                "quantity": 1000,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "one_hour_cache_creation_token"
              }
            ]
          },
          {
            "dimensions": {
              "quoted_unit": "per input audio hour"
            },
            "label": "input audio hour",
            "units": [
              {
                "amount": "0.2",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "stt_hour",
                "label": "input audio hour",
                "native_amount_usd_per_unit": "0.2",
                "native_quantity": 1,
                "public_unit_label": "per input audio hour",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "in",
                "unit": "stt_hour"
              }
            ]
          },
          {
            "basis": "This estimate is not an additional charge or a fixed rate for the completed generation.",
            "dimensions": {
              "forecast_quantity": "one generation estimate"
            },
            "label": "Estimated generation cost",
            "units": [
              {
                "amount": "0.00005555555555555556",
                "amount_unit": "usd_per_exact_native_unit",
                "billing_input": false,
                "estimate_only": true,
                "key": "forecast_usd",
                "label": "Estimated generation cost",
                "native_amount_usd_per_unit": "0.00005555555555555556",
                "native_quantity": 1,
                "public_unit_label": "estimate before generation",
                "quantity": 1,
                "quantity_is_estimate": true,
                "rate_role": "typed_native_retail_rate",
                "side": "out",
                "unit": "request_estimate"
              }
            ]
          }
        ],
        "request_model_id": "microsoft/mai-transcribe-2",
        "route_label": "Ultra",
        "status_reads": [
          "GET /v1/media/tasks/{task_id}"
        ],
        "tiers": [],
        "units": [
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "input_price",
            "label": "Input tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "output_price",
            "label": "Output tokens",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "output_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "output_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_read_price",
            "label": "Cache read",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "cached_input_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "cached_input_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_write_price",
            "label": "Cache write",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "generic_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "generic_cache_creation_token"
          },
          {
            "amount": null,
            "amount_unit": "usd_per_thousand_tokens",
            "billing_input": false,
            "estimate_only": true,
            "key": "cache_write_1h_price",
            "label": "Cache write, 1 hour",
            "native_amount_usd_per_unit": null,
            "native_quantity": 1,
            "native_unit": "one_hour_cache_creation_token",
            "public_unit_label": "/ 1K tokens",
            "quantity": 1000,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "one_hour_cache_creation_token"
          },
          {
            "amount": "0.2",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": false,
            "estimate_only": true,
            "key": "stt_hour",
            "label": "input audio hour",
            "native_amount_usd_per_unit": "0.2",
            "native_quantity": 1,
            "public_unit_label": "per input audio hour",
            "quantity": 1,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "in",
            "unit": "stt_hour"
          },
          {
            "amount": "0.00005555555555555556",
            "amount_unit": "usd_per_exact_native_unit",
            "billing_input": false,
            "estimate_only": true,
            "key": "forecast_usd",
            "label": "Estimated generation cost",
            "native_amount_usd_per_unit": "0.00005555555555555556",
            "native_quantity": 1,
            "public_unit_label": "estimate before generation",
            "quantity": 1,
            "quantity_is_estimate": true,
            "rate_role": "typed_native_retail_rate",
            "side": "out",
            "unit": "request_estimate"
          }
        ]
      }
    ],
    "model_aliases": [
      {
        "canonical_model_id": "microsoft/mai-transcribe-2",
        "request_model_id": "microsoft/mai-transcribe-2",
        "route_label": "Ultra"
      }
    ],
    "name": "Microsoft AI: MAI-Transcribe 2",
    "price": {
      "estimate_only": true,
      "in": null,
      "in_label": null,
      "out": 5.555555555555556e-05,
      "out_label": "estimate before generation",
      "scope_label": "Estimated generation cost",
      "sort_in": null,
      "sort_out": 5.555555555555556e-05,
      "varies": false
    },
    "short": "Το Microsoft AI MAI-Transcribe 2 μετατρέπει καταγεγραμμένη ομιλία σε κείμενο σε 60 γλώσσες, με αυτόματη αναγνώριση γλώσσας και εναλλαγή γλωσσών. Προσθέτει διαχωρισμό ομιλητών, χρονισμό λέξεων, καθοδήγηση με λέξεις-κλειδιά και καθαρό ή κατά λέξη ύφος για πρακτικά συναντήσεων, υπότιτλους, ήχο με δυνατότητα αναζήτησης και εξειδικευμένη υπαγόρευση."
  },
  "renderer_schema": {
    "method_order": "Original DTO methods order; every exact route/format/path/caller survives.",
    "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers."
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "representationNotes": {
    "current_reference": {
      "about_json_pointer": "/aboutHtml",
      "methods": [
        {
          "contract_json_pointer": "/methods/0/rawMethod/contract",
          "html_json_pointer": "/methods/0/html",
          "method_ordinal": 0
        }
      ],
      "role": "current-semantic-reference"
    },
    "raw_input": {
      "examples_role": "historical-input-not-current-ready-examples",
      "json_pointers": [
        "/rawModel",
        "/methods/0/rawMethod"
      ],
      "role": "historical-owner-input"
    },
    "schema": "ailoot-native-model-representations-v1"
  },
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "Το Microsoft AI MAI-Transcribe 2 μετατρέπει καταγεγραμμένη ομιλία σε κείμενο σε 60 γλώσσες, με αυτόματη αναγνώριση γλώσσας και εναλλαγή γλωσσών. Προσθέτει διαχωρισμό ομιλητών, χρονισμό λέξεων, καθοδήγηση με λέξεις-κλειδιά και καθαρό ή κατά λέξη ύφος για πρακτικά συναντήσεων, υπότιτλους, ήχο με δυνατότητα αναζήτησης και εξειδικευμένη υπαγόρευση.",
  "source": {
    "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1",
    "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036",
    "raw_model_json_sha256": "2e78463ea9ad05c4d58878bed7e05610df73372d75053f1238f13bc0f2cd448e",
    "renderer_sha256": "3ed36f7af4f78822bafbd174fdcaed7b698a18a86efe254253d37f1b098a7566"
  },
  "sourceRevision": "7e3fbdfcc3879d79519a6e202c201ce73bd05c18747e7f317a7e9c30f76f5bbb"
}