Source: https://ailoot.ai/models/es-mx/microsoft-mai-transcribe-1-5/ Canonical: https://ailoot.ai/models/es-mx/microsoft-mai-transcribe-1-5/ Language: es-mx # Microsoft AI: MAI-Transcribe 1.5 [Markdown](https://ailoot.ai/models/es-mx/microsoft-mai-transcribe-1-5/index.md) · [JSON](https://ailoot.ai/models/es-mx/microsoft-mai-transcribe-1-5/facts.json) ## [Microsoft AI: MAI-Transcribe 1.5](https://ailoot.ai/models/es-mx/microsoft-mai-transcribe-1-5/) Microsoft AI MAI-Transcribe 1.5 convierte habla grabada en texto en 43 idiomas, con identificación automática del idioma y énfasis en acentos y audio ruidoso. Su ficha de modelo describe orientación por palabras clave según el dominio para nombres y términos especializados. Usa la transcripción como base para notas o subtítulos revisados. - [**Ailoot Ultra · Transcripción** `POST /v1/audio/transcriptions` `microsoft/mai-transcribe-1.5`](https://ailoot.ai/models/es-mx/microsoft-mai-transcribe-1-5/#method-0) Sobre el modelo Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado. Microsoft AI MAI-Transcribe 1.5 es un modelo de voz a texto para convertir audio grabado en contenido escrito. Su ficha exacta describe reconocimiento en 43 idiomas, identificación automática del idioma y solidez frente a acentos, dialectos, estilos de habla y condiciones ruidosas. La edición amplía en dieciocho idiomas el conjunto de 25 idiomas de MAI-Transcribe 1. Un resultado útil es el habla escrita de una clase, una entrevista, una llamada o una nota de voz, lista para contrastarse con la grabación antes de un paso posterior de edición o análisis. Prepara una grabación completa e inteligible en uno de los formatos indicados por el fabricante: WAV, MP3 o FLAC. Conserva el archivo original y cualquier división en secciones para poder comparar la transcripción con el audio. Para una clase, conserva las frases alrededor de un término técnico en lugar de extraer únicamente la palabra difícil. Para una nota de voz, conserva una corrección que cambie un nombre, una hora o un número. El habla circundante proporciona contexto para reconocer lo dicho, y la revisión de quien escucha puede identificar dónde necesita corregirse la salida. La identificación automática del idioma permite procesar una grabación sin exigir una elección anticipada del idioma. El conjunto de 43 idiomas incluye inglés, francés, alemán, italiano, español, hindi, chino, japonés, coreano, árabe, indonesio, ruso, tailandés y vietnamita. Los idiomas añadidos incluyen búlgaro, catalán, griego, ucraniano y varios idiomas del sur de Asia. Comprueba que el idioma previsto pertenezca al conjunto de esta edición en lugar de tomar prestada la cobertura más amplia de MAI-Transcribe 2. Para colecciones multilingües, conserva el idioma de la grabación junto con el texto revisado para que la edición posterior siga el contenido realmente hablado. La ficha del modelo 1.5 describe orientación por palabras clave o entidades con hasta 200 términos, y su publicación explica el propósito: poner a disposición como contexto nombres, acrónimos y palabras especializadas probables. El fabricante describe indicaciones contextuales, no la inserción forzada y ciega de palabras proporcionadas en el resultado. Prepara un vocabulario relevante, como el nombre del proyecto, un instrumento técnico o la escritura correcta del nombre de una persona mencionada en la grabación. Usa esa terminología como contexto de la grabación real y contrasta los términos reconocidos con el habla. Para una lección grabada de ingeniería, prepara los nombres de los instrumentos tratados y la escritura exacta de cualquier acrónimo del proyecto. Escribe sus formas exactas en una lista enfocada de terminología y conserva la lista junto con el audio y la transcripción. Revisa esas apariciones frente a los pasajes hablados en lugar de tratar una entrada de vocabulario como prueba de una coincidencia. Los nombres que suenan parecidos pueden seguir necesitando comprobación. El resultado debe conservar las palabras realmente pronunciadas, incluida una corrección o una precisión que cambie su significado. El fabricante enfatiza el rendimiento con audio del mundo real, incluido ruido de fondo y diversas condiciones de micrófono. La revisión práctica puede centrarse en pasajes con habla simultánea, voces débiles o palabras parcialmente tapadas por otro sonido. Mantén las incertidumbres vinculadas con el pasaje de audio correspondiente en lugar de completarlas con supuestos sobre el tema. Una oración plausible puede seguir conteniendo un nombre propio o un número incorrectos. Para una transcripción de llamada, el entregable útil es un registro revisado del contenido hablado que pueda utilizar un análisis posterior, y no un relato adivinado de la intención de quien llama. La ficha exacta del modelo 1.5 indica un tamaño máximo de archivo de 300 MB y dos horas. Su referencia REST enlazada de transcripción síncrona describe una entrada de servicio más estricta: menor de 250 MB y más corta de dos horas. Son límites indicados por separado en la ficha del modelo y en la interfaz. Prepara archivos dentro de los límites de la interfaz prevista y organiza el material más largo en límites significativos de la grabación. Un límite de tamaño de archivo se refiere al audio codificado, mientras que el límite de duración se refiere a la longitud de la grabación hablada; ninguno define una ventana de contexto de un modelo de texto. La salida de ejemplo de la ficha del modelo es JSON que contiene la duración de la grabación y el texto reconocido combinado. El texto puede convertirse en una transcripción accesible, un guion para subtítulos o una entrada para resumen y búsqueda posteriores. La agrupación de bloques de subtítulos y la alineación con la grabación son una preparación separada cuando el resultado no incluye los datos de tiempo necesarios. Para registros de entrevistas, atribuir una intervención a un participante identificado requiere un registro separado y comprobado de quién habló. Conserva la redacción reconocida y el audio como base para esos entregables posteriores. Los límites de la edición importan al planear la salida. La ficha 1.5 coloca explícitamente la diarización de hablantes fuera de sus capacidades compatibles, y la comparación de versiones del fabricante asigna las marcas de tiempo por palabra y los controles de estilo clean/verbatim a MAI-Transcribe 2. Un modelo nativo de streaming también es una edición separada. Por ello, este perfil 1.5 se centra en texto reconocido a partir de grabaciones y su contexto de dominio documentado, sin convertir las funciones de hablantes, tiempos o entrada en vivo de otra edición en parte de su resultado. Revisa nombres, números, términos técnicos y habla poco clara antes de preparar un pasaje citado, una pista de subtítulos o un documento derivado. **Ailoot Ultra · Transcripción** `POST /v1/audio/transcriptions` `microsoft/mai-transcribe-1.5` [`microsoft/mai-transcribe-1.5`](https://ailoot.ai/models/es-mx/#m=microsoft%2Fmai-transcribe-1.5&route=Ultra&caller=microsoft%2Fmai-transcribe-1.5&fmt=transcriptions) Microsoft AI /`microsoft/mai-transcribe-1.5` ### Inicio Microsoft AI MAI-Transcribe 1.5 convierte habla grabada en texto en 43 idiomas, con identificación automática del idioma y énfasis en acentos y audio ruidoso. Su ficha de modelo describe orientación por palabras clave según el dominio para nombres y términos especializados. Usa la transcripción como base para notas o subtítulos revisados. Entradas aceptadas Audio Resultados Texto ### Disponible en Ailoot · entradas y métodos **Ailoot Ultra · Transcripción** `POST /v1/audio/transcriptions` Entrada `audio` Salida `text` | Campo | Tipo | Requisito | Valores y límites | Predeterminado | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites microsoft/mai-transcribe-1.5 | Predeterminado— | | Campo`input_audio` | Tipo`object` | RequisitoObligatorio | Valores y límites | Predeterminado— | | Campo`language` | Tipo`string` | RequisitoOpcional | Valores y límites | Predeterminado— | | Campo`temperature` | Tipo`number` | RequisitoOpcional | Valores y límites Mínimo: 0 Máximo: 1 | Predeterminado— | | Campo`response_format` | Tipo`string` | RequisitoOpcional | Valores y límites json, verbose\_json | Predeterminadojson | | Campo`timestamp_granularities` | Tipo`array` | RequisitoOpcional | Valores y límites | Predeterminado— | | Campo`provider` | Tipo`object` | RequisitoOpcional | Valores y límites | Predeterminado— | Parámetros del método y ciclo de vida | Parámetro | Contrato | | --- | --- | | Parámetro`content_type` | Contratoapplication/json | | Parámetro`required` | Contratomodel, input\_audio | | Parámetro`material_types` | Contratoaudio | | Parámetro`material_conditions` | ContratoLee un archivo WAV real y codifica sus bytes reales para el input\_audio JSON declarado; no se anuncia una ruta multipart para esta declaración exacta que solo acepta JSON. | Ciclo de vida: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · El task\_id real devuelto o el registro de la biblioteca multimedia `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Tarifas ##### Cómo se calcula el cargo definitivo Las tarifas mostradas permiten estimar el costo antes de la generación. El cargo final se calcula a partir del costo registrado para la generación original. La duración medida de la salida y las cantidades estimadas no son la cantidad facturable final. Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado. Modo fast Sin especificar Cuando se selecciona el modo fast Modo flex Sin especificar Cuando se selecciona el modo flex Esfuerzo máximo de razonamiento Sin especificar Cuando el esfuerzo máximo de razonamiento usa el ajuste default #### Tarifas estimadas para comparar #### Precios por configuración Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas. | Configuración | Tabla de tarifas | Cantidad prevista | Unidad de facturación | Cargo | | --- | --- | --- | --- | --- | | ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cantidad prevista— | Unidad de facturación— | Cargo Entrada · Tokens de entrada · Estimación solo para comparar **—** / 1K tokens Salida · Tokens de salida · Estimación solo para comparar **—** / 1K tokens Entrada · Lectura de caché · Estimación solo para comparar **—** / 1K tokens Entrada · Escritura en caché · Estimación solo para comparar **—** / 1K tokens Entrada · Escritura en caché, 1 hora · Estimación solo para comparar **—** / 1K tokens | | Configuraciónhora de audio de entrada | Tabla de tarifas— | Cantidad prevista— | Unidad de facturaciónpor hora de audio de entrada | Cargo Entrada · hora de audio de entrada · Estimación solo para comparar **$0.72** por hora de audio de entrada | | ConfiguraciónCosto estimado de generación | Tabla de tarifas— | Cantidad previstaestimación para una generación | Unidad de facturación— | Cargo Salida · Costo estimado de generación · Estimación solo para comparar **$0.0002** estimación previa a la generación Esta estimación no es un cargo adicional ni una tarifa fija por la generación completada. | Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es-mx/billing/reserve/) ### Solicitudes de ejemplo #### Ailoot Ultra · Transcripción curl · cuerpo nativo exacto y resultado completo ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path import base64 audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes() if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file') if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow') request={'model': 'microsoft/mai-transcribe-1.5', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}} request['input_audio']['data']=base64.b64encode(audio).decode('ascii') Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Recibir y guardar resultados #### Ailoot Ultra · Transcripción - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Otras consultas de contenido Consultar los archivos existentes que te pertenecen ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \ -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json # Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token. ``` ##### Conserva todos los resultados completados Conserva todas las respuestas, archivos y partes de contenido completos recibidos. Conserva la respuesta completa y los encabezados, todas las salidas reales, los identificadores originales devueltos y todos los campos de uso. Recupera la operación original sin volver a enviar la solicitud de creación. ##### Si es necesario revisar la respuesta original Conserva el X-Client-Request-ID devuelto para la conciliación. Consulta únicamente los valores reales de task\_id/asset\_id devueltos o la biblioteca multimedia de tu propiedad; nunca construyas una URL de tarea a partir del ID de la operación ni vuelvas a enviar la solicitud de creación. Campos de respuesta | Campo | Tipo | | --- | --- | | Campo`text` | Tipo | | Campo`usage` | Tipo | | Campo`segments[]` | Tipo | | Campo`words[]` | Tipo | | Campo`speaker fields` | Tipo | | Campo`timestamps` | Tipo | ### Alias #### Alias del modelo **Ailoot Ultra** [`microsoft/mai-transcribe-1.5`](https://ailoot.ai/models/es-mx/#m=microsoft%2Fmai-transcribe-1.5&route=Ultra&caller=microsoft%2Fmai-transcribe-1.5&fmt=transcriptions) #### Alias de rutas de métodos Usa las rutas de método indicadas arriba. #### ID de modelo relacionados [`microsoft/mai-transcribe-1.5`](https://ailoot.ai/models/es-mx/#m=microsoft%2Fmai-transcribe-1.5&route=Ultra&caller=microsoft%2Fmai-transcribe-1.5&fmt=transcriptions) FAQ · Microsoft AI: MAI-Transcribe 1.5 ¿Qué entradas y resultados están disponibles? `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-1.5`: `audio` → `text` ¿Qué campos utiliza la solicitud? `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-1.5`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` ¿Qué límites se aplican? `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-1.5`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Conecta Ailoot a Claude Code, OpenCode, Hermes o tu aplicación. ## La empresa y su cartera de proyectos La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. ## Compra tokens con descuento. Ahorro por suscripción para trabajo habitual. Códigos promocionales: hasta el 50% al comprar tokens. Suscripción Elige un plan con descuento para tus peticiones habituales. Código de hasta el 50% Introduce el código al comprar. El precio se recalcula según la promoción vigente. Gasto en el historial Modelo, tokens e importe quedan guardados por cada petición. [Elegir suscripción](https://ailoot.ai/docs/es-mx/billing/subscriptions/) · [Consultar precios de modelos](https://ailoot.ai/models/es-mx/) ## Conecta la API al producto que vendes. SaaS, aplicaciones y bots bajo la oferta y el acuerdo de licencia Ailoot. Solicita una licencia de reventa para redistribuir el acceso. Aplicación comercial Integra generación de texto, imágenes, vídeo y sonido en funciones de pago de tu servicio. Licencia para revendedores Envía descripción del proyecto y esquema de acceso. Solicita condiciones escritas de uso y reventa. Documentos en la web La oferta, el acuerdo de licencia y la política de datos están disponibles antes de conectar. [Solicitar licencia de reventa](mailto:support@ailoot.ai) · [Oferta y acuerdo de licencia](https://ailoot.ai/legal/offer?lang=es-mx) ## Ailoot · La empresa y su cartera de proyectos Ailoot se apoya en la experiencia operativa acumulada, una amplia base de clientes, un servicio estable y el seguimiento continuo de KPI. La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. Ailoot aplica esa experiencia operativa al acceso por API a funciones de IA en productos de clientes, agentes, aplicaciones y automatizaciones.