Microsoft AI MAI-Transcribe 1.5 est un modèle de transcription pour convertir l’audio enregistré en contenu écrit. Sa fiche exacte décrit la reconnaissance dans 43 langues, l’identification automatique de la langue et la robustesse face aux accents, aux dialectes, aux styles de parole et aux conditions bruitées. Cette édition ajoute dix-huit langues à l’ensemble de 25 langues de MAI-Transcribe 1. Un résultat utile est la parole écrite d’un cours, d’un entretien, d’un appel ou d’une note vocale, prête à être vérifiée à partir de l’enregistrement avant une étape ultérieure de révision ou d’analyse.
Préparez un enregistrement complet et intelligible dans l’un des formats indiqués par le fabricant : WAV, MP3 ou FLAC. Conservez le fichier original et toute division en sections pour comparer la transcription à l’audio. Pour un cours, préservez les phrases autour d’un terme technique au lieu d’extraire uniquement le mot difficile. Pour une note vocale, préservez une correction qui modifie un nom, une heure ou un nombre. Les paroles environnantes apportent un contexte de reconnaissance, et la vérification par l’auditeur peut identifier les endroits où la sortie doit être corrigée.
L’identification automatique de la langue permet de traiter un enregistrement sans exiger de choix linguistique préalable. L’ensemble de 43 langues comprend l’anglais, le français, l’allemand, l’italien, l’espagnol, l’hindi, le chinois, le japonais, le coréen, l’arabe, l’indonésien, le russe, le thaï et le vietnamien. Les langues ajoutées comprennent le bulgare, le catalan, le grec, l’ukrainien et plusieurs langues d’Asie du Sud. Vérifiez que la langue visée appartient à l’ensemble de cette édition plutôt que de lui attribuer la couverture plus large de MAI-Transcribe 2. Pour les collections multilingues, conservez la langue de l’enregistrement avec le texte vérifié afin que la révision en aval suive le contenu réellement parlé.
La fiche du modèle 1.5 décrit une orientation par mots-clés ou entités allant jusqu’à 200 termes, et sa publication en explique le but : fournir comme contexte les noms, acronymes et mots spécialisés probables. Le fabricant décrit des indices contextuels plutôt que l’insertion forcée aveugle des mots fournis dans le résultat. Préparez un vocabulaire pertinent, comme le nom du projet, un instrument technique ou l’orthographe correcte du nom d’une personne mentionnée dans l’enregistrement. Utilisez cette terminologie comme contexte de l’enregistrement réel et vérifiez les termes reconnus à partir de la parole.
Pour un cours d’ingénierie enregistré, préparez les noms des instruments discutés et l’orthographe exacte de tout acronyme de projet. Écrivez ces orthographes exactes dans une liste terminologique ciblée et gardez-la avec l’audio et la transcription. Vérifiez ces occurrences à partir des passages parlés plutôt que de traiter une entrée de vocabulaire comme preuve de correspondance. Les noms aux sonorités proches peuvent toujours exiger une vérification. Le résultat doit préserver les mots réellement prononcés, y compris une correction ou une précision qui change leur sens.
Le fabricant met l’accent sur les performances avec l’audio réel, y compris le bruit de fond et diverses conditions de microphone. Une vérification pratique peut se concentrer sur les passages avec paroles simultanées, voix faibles ou mots partiellement couverts par un autre son. Gardez les incertitudes liées au passage audio correspondant au lieu de les combler par des hypothèses sur le sujet. Une phrase plausible peut toujours contenir un mauvais nom propre ou nombre. Pour la transcription d’un appel, le livrable utile est un compte rendu vérifié du contenu parlé utilisable par une analyse ultérieure, plutôt qu’un récit deviné de l’intention de l’appelant.
La fiche exacte du modèle 1.5 indique une taille maximale de fichier de 300 MB et une durée de deux heures. Sa référence REST de transcription synchrone liée décrit une entrée de service plus stricte : moins de 250 MB et moins de deux heures. Ce sont des limites de fiche et d’interface énoncées séparément. Préparez les fichiers selon la capacité de l’interface prévue et organisez les documents longs selon des frontières d’enregistrement pertinentes. Une limite de taille concerne l’audio encodé, tandis que la limite de durée concerne la longueur de l’enregistrement parlé ; aucune ne définit une fenêtre de contexte de modèle textuel.
L’exemple de sortie de la fiche est du JSON contenant la durée de l’enregistrement et le texte reconnu combiné. Le texte peut devenir une transcription accessible, un script de sous-titres ou une entrée pour le résumé et la recherche ultérieurs. Le regroupement des sous-titres et leur alignement avec l’enregistrement constituent une préparation distincte lorsque le résultat ne contient pas les données temporelles requises. Pour les comptes rendus d’entretien, attribuer une réplique à un participant nommé exige un relevé vérifié distinct de la personne qui a parlé. Préservez la formulation reconnue et l’audio comme base de ces livrables ultérieurs.
Les limites de l’édition importent dans la préparation de la sortie. La fiche 1.5 place explicitement la diarisation des locuteurs hors des capacités prises en charge, et la comparaison de versions du fabricant attribue les horodatages au niveau des mots et les commandes de style clean/verbatim à MAI-Transcribe 2. Un modèle natif de diffusion en continu est aussi une édition distincte. Ce profil 1.5 est donc centré sur le texte reconnu des enregistrements et son contexte de domaine documenté, sans intégrer au résultat les fonctions de locuteur, d’horodatage ou d’entrée en direct d’une autre édition. Vérifiez les noms, les nombres, les termes techniques et les paroles peu claires avant de préparer une citation, une piste de sous-titres ou un document dérivé.
", "aboutText": "Microsoft AI MAI-Transcribe 1.5 est un modèle de transcription pour convertir l’audio enregistré en contenu écrit. Sa fiche exacte décrit la reconnaissance dans 43 langues, l’identification automatique de la langue et la robustesse face aux accents, aux dialectes, aux styles de parole et aux conditions bruitées. Cette édition ajoute dix-huit langues à l’ensemble de 25 langues de MAI-Transcribe 1. Un résultat utile est la parole écrite d’un cours, d’un entretien, d’un appel ou d’une note vocale, prête à être vérifiée à partir de l’enregistrement avant une étape ultérieure de révision ou d’analyse.\n\nPréparez un enregistrement complet et intelligible dans l’un des formats indiqués par le fabricant : WAV, MP3 ou FLAC. Conservez le fichier original et toute division en sections pour comparer la transcription à l’audio. Pour un cours, préservez les phrases autour d’un terme technique au lieu d’extraire uniquement le mot difficile. Pour une note vocale, préservez une correction qui modifie un nom, une heure ou un nombre. Les paroles environnantes apportent un contexte de reconnaissance, et la vérification par l’auditeur peut identifier les endroits où la sortie doit être corrigée.\n\nL’identification automatique de la langue permet de traiter un enregistrement sans exiger de choix linguistique préalable. L’ensemble de 43 langues comprend l’anglais, le français, l’allemand, l’italien, l’espagnol, l’hindi, le chinois, le japonais, le coréen, l’arabe, l’indonésien, le russe, le thaï et le vietnamien. Les langues ajoutées comprennent le bulgare, le catalan, le grec, l’ukrainien et plusieurs langues d’Asie du Sud. Vérifiez que la langue visée appartient à l’ensemble de cette édition plutôt que de lui attribuer la couverture plus large de MAI-Transcribe 2. Pour les collections multilingues, conservez la langue de l’enregistrement avec le texte vérifié afin que la révision en aval suive le contenu réellement parlé.\n\nLa fiche du modèle 1.5 décrit une orientation par mots-clés ou entités allant jusqu’à 200 termes, et sa publication en explique le but : fournir comme contexte les noms, acronymes et mots spécialisés probables. Le fabricant décrit des indices contextuels plutôt que l’insertion forcée aveugle des mots fournis dans le résultat. Préparez un vocabulaire pertinent, comme le nom du projet, un instrument technique ou l’orthographe correcte du nom d’une personne mentionnée dans l’enregistrement. Utilisez cette terminologie comme contexte de l’enregistrement réel et vérifiez les termes reconnus à partir de la parole.\n\nPour un cours d’ingénierie enregistré, préparez les noms des instruments discutés et l’orthographe exacte de tout acronyme de projet. Écrivez ces orthographes exactes dans une liste terminologique ciblée et gardez-la avec l’audio et la transcription. Vérifiez ces occurrences à partir des passages parlés plutôt que de traiter une entrée de vocabulaire comme preuve de correspondance. Les noms aux sonorités proches peuvent toujours exiger une vérification. Le résultat doit préserver les mots réellement prononcés, y compris une correction ou une précision qui change leur sens.\n\nLe fabricant met l’accent sur les performances avec l’audio réel, y compris le bruit de fond et diverses conditions de microphone. Une vérification pratique peut se concentrer sur les passages avec paroles simultanées, voix faibles ou mots partiellement couverts par un autre son. Gardez les incertitudes liées au passage audio correspondant au lieu de les combler par des hypothèses sur le sujet. Une phrase plausible peut toujours contenir un mauvais nom propre ou nombre. Pour la transcription d’un appel, le livrable utile est un compte rendu vérifié du contenu parlé utilisable par une analyse ultérieure, plutôt qu’un récit deviné de l’intention de l’appelant.\n\nLa fiche exacte du modèle 1.5 indique une taille maximale de fichier de 300 MB et une durée de deux heures. Sa référence REST de transcription synchrone liée décrit une entrée de service plus stricte : moins de 250 MB et moins de deux heures. Ce sont des limites de fiche et d’interface énoncées séparément. Préparez les fichiers selon la capacité de l’interface prévue et organisez les documents longs selon des frontières d’enregistrement pertinentes. Une limite de taille concerne l’audio encodé, tandis que la limite de durée concerne la longueur de l’enregistrement parlé ; aucune ne définit une fenêtre de contexte de modèle textuel.\n\nL’exemple de sortie de la fiche est du JSON contenant la durée de l’enregistrement et le texte reconnu combiné. Le texte peut devenir une transcription accessible, un script de sous-titres ou une entrée pour le résumé et la recherche ultérieurs. Le regroupement des sous-titres et leur alignement avec l’enregistrement constituent une préparation distincte lorsque le résultat ne contient pas les données temporelles requises. Pour les comptes rendus d’entretien, attribuer une réplique à un participant nommé exige un relevé vérifié distinct de la personne qui a parlé. Préservez la formulation reconnue et l’audio comme base de ces livrables ultérieurs.\n\nLes limites de l’édition importent dans la préparation de la sortie. La fiche 1.5 place explicitement la diarisation des locuteurs hors des capacités prises en charge, et la comparaison de versions du fabricant attribue les horodatages au niveau des mots et les commandes de style clean/verbatim à MAI-Transcribe 2. Un modèle natif de diffusion en continu est aussi une édition distincte. Ce profil 1.5 est donc centré sur le texte reconnu des enregistrements et son contexte de domaine documenté, sans intégrer au résultat les fonctions de locuteur, d’horodatage ou d’entrée en direct d’une autre édition. Vérifiez les noms, les nombres, les termes techniques et les paroles peu claires avant de préparer une citation, une piste de sous-titres ou un document dérivé.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "d5af115a3e6aedf90e734e7d17ac0d032c1f7c1ae8eca65d17f12639cc7118cc", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr", "methods": [ { "html": "microsoft/mai-transcribe-1.5Microsoft AI MAI-Transcribe 1.5 convertit la parole enregistrée en texte dans 43 langues, avec identification automatique de la langue et une attention aux accents et à l’audio bruité. Sa fiche décrit une orientation par mots-clés adaptée au domaine pour les noms et les termes spécialisés. Utilisez la transcription comme base de notes ou de sous-titres vérifiés.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Microsoft AI MAI-Transcribe 1.5 est un modèle de transcription pour convertir l’audio enregistré en contenu écrit. Sa fiche exacte décrit la reconnaissance dans 43 langues, l’identification automatique de la langue et la robustesse face aux accents, aux dialectes, aux styles de parole et aux conditions bruitées. Cette édition ajoute dix-huit langues à l’ensemble de 25 langues de MAI-Transcribe 1. Un résultat utile est la parole écrite d’un cours, d’un entretien, d’un appel ou d’une note vocale, prête à être vérifiée à partir de l’enregistrement avant une étape ultérieure de révision ou d’analyse.
Préparez un enregistrement complet et intelligible dans l’un des formats indiqués par le fabricant : WAV, MP3 ou FLAC. Conservez le fichier original et toute division en sections pour comparer la transcription à l’audio. Pour un cours, préservez les phrases autour d’un terme technique au lieu d’extraire uniquement le mot difficile. Pour une note vocale, préservez une correction qui modifie un nom, une heure ou un nombre. Les paroles environnantes apportent un contexte de reconnaissance, et la vérification par l’auditeur peut identifier les endroits où la sortie doit être corrigée.
L’identification automatique de la langue permet de traiter un enregistrement sans exiger de choix linguistique préalable. L’ensemble de 43 langues comprend l’anglais, le français, l’allemand, l’italien, l’espagnol, l’hindi, le chinois, le japonais, le coréen, l’arabe, l’indonésien, le russe, le thaï et le vietnamien. Les langues ajoutées comprennent le bulgare, le catalan, le grec, l’ukrainien et plusieurs langues d’Asie du Sud. Vérifiez que la langue visée appartient à l’ensemble de cette édition plutôt que de lui attribuer la couverture plus large de MAI-Transcribe 2. Pour les collections multilingues, conservez la langue de l’enregistrement avec le texte vérifié afin que la révision en aval suive le contenu réellement parlé.
La fiche du modèle 1.5 décrit une orientation par mots-clés ou entités allant jusqu’à 200 termes, et sa publication en explique le but : fournir comme contexte les noms, acronymes et mots spécialisés probables. Le fabricant décrit des indices contextuels plutôt que l’insertion forcée aveugle des mots fournis dans le résultat. Préparez un vocabulaire pertinent, comme le nom du projet, un instrument technique ou l’orthographe correcte du nom d’une personne mentionnée dans l’enregistrement. Utilisez cette terminologie comme contexte de l’enregistrement réel et vérifiez les termes reconnus à partir de la parole.
Pour un cours d’ingénierie enregistré, préparez les noms des instruments discutés et l’orthographe exacte de tout acronyme de projet. Écrivez ces orthographes exactes dans une liste terminologique ciblée et gardez-la avec l’audio et la transcription. Vérifiez ces occurrences à partir des passages parlés plutôt que de traiter une entrée de vocabulaire comme preuve de correspondance. Les noms aux sonorités proches peuvent toujours exiger une vérification. Le résultat doit préserver les mots réellement prononcés, y compris une correction ou une précision qui change leur sens.
Le fabricant met l’accent sur les performances avec l’audio réel, y compris le bruit de fond et diverses conditions de microphone. Une vérification pratique peut se concentrer sur les passages avec paroles simultanées, voix faibles ou mots partiellement couverts par un autre son. Gardez les incertitudes liées au passage audio correspondant au lieu de les combler par des hypothèses sur le sujet. Une phrase plausible peut toujours contenir un mauvais nom propre ou nombre. Pour la transcription d’un appel, le livrable utile est un compte rendu vérifié du contenu parlé utilisable par une analyse ultérieure, plutôt qu’un récit deviné de l’intention de l’appelant.
La fiche exacte du modèle 1.5 indique une taille maximale de fichier de 300 MB et une durée de deux heures. Sa référence REST de transcription synchrone liée décrit une entrée de service plus stricte : moins de 250 MB et moins de deux heures. Ce sont des limites de fiche et d’interface énoncées séparément. Préparez les fichiers selon la capacité de l’interface prévue et organisez les documents longs selon des frontières d’enregistrement pertinentes. Une limite de taille concerne l’audio encodé, tandis que la limite de durée concerne la longueur de l’enregistrement parlé ; aucune ne définit une fenêtre de contexte de modèle textuel.
L’exemple de sortie de la fiche est du JSON contenant la durée de l’enregistrement et le texte reconnu combiné. Le texte peut devenir une transcription accessible, un script de sous-titres ou une entrée pour le résumé et la recherche ultérieurs. Le regroupement des sous-titres et leur alignement avec l’enregistrement constituent une préparation distincte lorsque le résultat ne contient pas les données temporelles requises. Pour les comptes rendus d’entretien, attribuer une réplique à un participant nommé exige un relevé vérifié distinct de la personne qui a parlé. Préservez la formulation reconnue et l’audio comme base de ces livrables ultérieurs.
Les limites de l’édition importent dans la préparation de la sortie. La fiche 1.5 place explicitement la diarisation des locuteurs hors des capacités prises en charge, et la comparaison de versions du fabricant attribue les horodatages au niveau des mots et les commandes de style clean/verbatim à MAI-Transcribe 2. Un modèle natif de diffusion en continu est aussi une édition distincte. Ce profil 1.5 est donc centré sur le texte reconnu des enregistrements et son contexte de domaine documenté, sans intégrer au résultat les fonctions de locuteur, d’horodatage ou d’entrée en direct d’une autre édition. Vérifiez les noms, les nombres, les termes techniques et les paroles peu claires avant de préparer une citation, une piste de sous-titres ou un document dérivé.
POST /v1/audio/transcriptionsaudiotext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites microsoft/mai-transcribe-1.5 | Par défaut— |
Champinput_audio | Typeobject | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champlanguage | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Minimum: 0 Maximum: 1 | Par défaut— |
Champresponse_format | Typestring | ExigenceFacultatif | Valeurs et limites json, verbose_json | Par défautjson |
Champtimestamp_granularities | Typearray | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, input_audio |
Paramètrematerial_types | Contrataudio |
Paramètrematerial_conditions | ContratLisez un fichier WAV réel et encodez ses octets réels pour l’entrée JSON input_audio déclarée ; aucune route multipart n’est annoncée pour cette déclaration exacte limitée au JSON. |
Cycle de vie : synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id effectivement renvoyé ou enregistrement de la bibliothèque multimédia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Les tarifs affichés servent à estimer le coût avant la génération. Le montant final est calculé à partir du coût enregistré pour la génération d’origine. La durée mesurée du résultat et les quantités prévisionnelles ne constituent pas la quantité finale facturable.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Quantité prévisionnelle | Unité de facturation | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base par jeton | Barème tarifaireTarif de base | Quantité prévisionnelle— | Unité de facturation— | Coût Entrée · Tokens en entrée · Estimation à des fins de comparaison uniquement — / 1K tokens Sortie · Tokens en sortie · Estimation à des fins de comparaison uniquement — / 1K tokens Entrée · Lecture du cache · Estimation à des fins de comparaison uniquement — / 1K tokens Entrée · Écriture dans le cache · Estimation à des fins de comparaison uniquement — / 1K tokens Entrée · Écriture dans le cache, 1 h · Estimation à des fins de comparaison uniquement — / 1K tokens |
| Configurationheure d’audio en entrée | Barème tarifaire— | Quantité prévisionnelle— | Unité de facturationpar heure d’audio en entrée | Coût Entrée · heure d’audio en entrée · Estimation à des fins de comparaison uniquement $0.72 par heure d’audio en entrée |
| ConfigurationCoût de génération estimé | Barème tarifaire— | Quantité prévisionnelleEstimation pour une génération | Unité de facturation— | Coût Sortie · Coût estimé de génération · Estimation à des fins de comparaison uniquement $0.0002 estimation avant génération Cette estimation ne constitue ni des frais supplémentaires ni un tarif fixe pour la génération terminée. |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'microsoft/mai-transcribe-1.5', 'input_audio': {'data': '${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\nGET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${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.\nConservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez la réponse complète et les en-têtes, chaque sortie effective, les identifiants initialement renvoyés et tous les champs d’utilisation. Récupérez l’opération d’origine sans soumettre à nouveau sa création.
Conservez le X-Client-Request-ID renvoyé pour le rapprochement. Consultez uniquement les valeurs task_id/asset_id effectivement renvoyées ou votre bibliothèque multimédia ; ne construisez jamais une URL de tâche à partir de l’identifiant de l’opération et ne soumettez jamais à nouveau la création.
| Champ | Type |
|---|---|
Champtext | Type |
Champusage | Type |
Champsegments[] | Type |
Champwords[] | Type |
Champspeaker fields | Type |
Champtimestamps | Type |
Ailoot Ultra microsoft/mai-transcribe-1.5
Utilisez les chemins de méthode indiqués ci-dessus.