Microsoft AI: MAI-Transcribe 1.5

Microsoft AI MAI-Transcribe 1.5 ממיר דיבור מוקלט לטקסט ב־43 שפות, עם זיהוי שפה אוטומטי ודגש על מבטאים ואודיו רועש. כרטיס המודל שלו מתאר הטיה לפי מילות מפתח המותאמת לתחום עבור שמות ומונחים מקצועיים. השתמשו בתמליל כבסיס לרשימות או לכתוביות שעוברות בדיקה.

Ailoot Ultra · תמלול POST /v1/audio/transcriptions microsoft/mai-transcribe-1.5

על המודל

התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.

Microsoft AI MAI-Transcribe 1.5 הוא מודל דיבור־לטקסט להמרת אודיו מוקלט לתוכן כתוב. כרטיס המודל המסוים שלו מתאר זיהוי ב־43 שפות, זיהוי שפה אוטומטי ועמידות למבטאים, לניבים, לסגנונות דיבור ולתנאי רעש. המהדורה מרחיבה את אוסף 25 השפות של MAI-Transcribe 1 בשמונה־עשרה שפות. תוצאה שימושית היא הדיבור הכתוב מהרצאה, ריאיון, שיחה או הודעה קולית, המוכן לבדיקה מול ההקלטה לפני שלב עריכה או ניתוח מאוחר יותר.

הכינו הקלטה שלמה ומובנת באחד הפורמטים שמונה היצרן: WAV,‏ MP3 או FLAC. שמרו את הקובץ המקורי וכל חלוקה לחלקים כדי שאפשר יהיה להשוות את התמליל לאודיו. להרצאה, שמרו את הביטויים סביב מונח טכני במקום לחלץ רק את המילה הקשה. להודעה קולית, שמרו תיקון המשנה שם, שעה או מספר. הדיבור שמסביב מספק הקשר לזיהוי מה שנאמר, ובדיקת המאזין יכולה לזהות היכן הפלט זקוק לתיקון.

זיהוי שפה אוטומטי מאפשר לעבד הקלטה בלי לדרוש בחירת שפה מראש. אוסף 43 השפות כולל אנגלית, צרפתית, גרמנית, איטלקית, ספרדית, הינדי, סינית, יפנית, קוריאנית, ערבית, אינדונזית, רוסית, תאית ווייטנאמית. השפות שנוספו כוללות בולגרית, קטלאנית, יוונית, אוקראינית וכמה שפות מדרום אסיה. בדקו ששפת היעד שייכת לאוסף של מהדורה זו במקום לשאול את הכיסוי הרחב יותר של MAI-Transcribe 2. לאוספים רב־לשוניים, שמרו את שפת ההקלטה עם הטקסט שנבדק כדי שהעריכה בהמשך תעקוב אחר התוכן שנאמר בפועל.

כרטיס מודל 1.5 מתאר הטיה לפי מילות מפתח או ישויות עם עד 200 מונחים, והפרסום שלו מסביר את המטרה: להפוך שמות, ראשי תיבות ומילים מקצועיות סבירים לזמינים כהקשר. היצרן מתאר רמזים הקשריים ולא כפייה עיוורת של מילים שסופקו לתוך התוצאה. הכינו אוצר מילים רלוונטי, כגון שם הפרויקט, מכשיר טכני או האיות הנכון של אדם שמוזכר בהקלטה. השתמשו במינוח הזה כהקשר להקלטה בפועל, ובדקו את המונחים שזוהו מול הדיבור.

לשיעור הנדסי מוקלט, הכינו את שמות המכשירים הנדונים ואת האיות המדויק של כל ראשי תיבות של פרויקט. כתבו את האיותים המדויקים ברשימת מינוח ממוקדת ושמרו אותה לצד האודיו והתמליל. בדקו הופעות אלה מול הקטעים המדוברים במקום להתייחס לרשומת אוצר מילים כהוכחת התאמה. שמות הנשמעים דומים עדיין עשויים לדרוש בדיקה. התוצאה צריכה לשמר את המילים שנאמרו בפועל, לרבות תיקון או סייג המשנים את משמעותן.

היצרן מדגיש ביצועים באודיו מהעולם האמיתי, לרבות רעשי רקע ותנאי מיקרופון מגוונים. בדיקה מעשית יכולה להתמקד בקטעים עם דיבור בו־זמני, קולות חלשים או מילים שמכוסות חלקית בצליל אחר. שמרו אי־ודאויות קשורות לקטע האודיו המתאים במקום למלא אותן מהנחות על הנושא. גם משפט סביר עשוי להכיל שם פרטי או מספר שגויים. לתמליל שיחה, התוצר השימושי הוא תיעוד בדוק של התוכן המדובר שניתוח מאוחר יכול להשתמש בו, ולא תיאור מנוחש של כוונת המתקשר.

כרטיס מודל 1.5 המסוים מציין גודל קובץ מרבי של 300 MB ושעתיים. מסמך הייחוס המקושר שלו ל־REST לתמלול סינכרוני מתאר קלט שירות מחמיר יותר: קטן מ־250 MB וקצר משעתיים. אלה מגבלות המוצהרות בנפרד בכרטיס המודל ובממשק. הכינו קבצים בתוך מכסת הממשק המיועד וארגנו חומר ארוך יותר בגבולות הקלטה בעלי משמעות. מגבלת גודל קובץ נוגעת לאודיו המקודד, ואילו מגבלת משך נוגעת לאורך הקלטת הדיבור; אף אחת אינה מגדירה חלון הקשר של מודל טקסט.

פלט הדוגמה בכרטיס המודל הוא JSON המכיל את משך ההקלטה ואת הטקסט המזוהה המשולב. הטקסט יכול להפוך לתמליל נגיש, לתסריט לכתוביות או לקלט לסיכום ולחיפוש בהמשך. קיבוץ יחידות כתובית ויישור להקלטה הם הכנה נפרדת כאשר התוצאה אינה כוללת את נתוני התזמון הדרושים. בתיעוד ריאיון, שיוך שורה למשתתף נקוב דורש תיעוד בדוק נפרד של מי דיבר. שמרו את הניסוח שזוהה ואת האודיו כבסיס לתוצרים מאוחרים אלה.

גבולות המהדורה חשובים בתכנון הפלט. כרטיס 1.5 מציב במפורש הפרדת דוברים מחוץ ליכולות הנתמכות שלו, והשוואת הגרסאות של היצרן מייחסת חותמות זמן ברמת המילה ובקרות סגנון clean/verbatim ל־MAI-Transcribe 2. גם מודל הזרמה מובנה הוא מהדורה נפרדת. וריאנט 1.5 זה מתמקד אפוא בטקסט שזוהה מהקלטות ובהקשר התחומי המתועד שלו, בלי להפוך תכונות דוברים, תזמון או קלט חי של מהדורה אחרת לחלק מהתוצאה. בדקו שמות, מספרים, מונחים טכניים ודיבור לא ברור לפני הכנת קטע מצוטט, רצועת כתוביות או מסמך נגזר.

Ailoot Ultra · תמלול POST /v1/audio/transcriptions microsoft/mai-transcribe-1.5

microsoft/mai-transcribe-1.5

Microsoft AI /microsoft/mai-transcribe-1.5

התחלה

סוגי קלט נתמכים: שמע
תוצאות: טקסט

זמין ב-Ailoot · קלט ושיטות

Ailoot Ultra · תמלול POST /v1/audio/transcriptions

סוגי קלט: audio
סוגי פלט: text

שדה	סוג	דרישה	ערכים ומגבלות	ברירת מחדל
שדה`model`	סוג`string`	דרישהחובה	ערכים ומגבלות microsoft/mai-transcribe-1.5	ברירת מחדל—
שדה`input_audio`	סוג`object`	דרישהחובה	ערכים ומגבלות	ברירת מחדל—
שדה`language`	סוג`string`	דרישהרשות	ערכים ומגבלות	ברירת מחדל—
שדה`temperature`	סוג`number`	דרישהרשות	ערכים ומגבלות מינימום: ⁦0⁩ מקסימום: ⁦1⁩	ברירת מחדל—
שדה`response_format`	סוג`string`	דרישהרשות	ערכים ומגבלות json, verbose_json	ברירת מחדלjson
שדה`timestamp_granularities`	סוג`array`	דרישהרשות	ערכים ומגבלות	ברירת מחדל—
שדה`provider`	סוג`object`	דרישהרשות	ערכים ומגבלות	ברירת מחדל—

פרמטרים ומחזור חיים של השיטה

פרמטר	מפרט
פרמטר`content_type`	מפרטapplication/json
פרמטר`required`	מפרטmodel, input_audio
פרמטר`material_types`	מפרטaudio
פרמטר`material_conditions`	מפרטקראו קובץ WAV ממשי וקודדו את הבתים האמיתיים שלו עבור קלט ה־JSON input_audio שהוצהר; לא מוצג נתיב multipart להצהרה המדויקת הזו, התומכת ב־JSON בלבד.

מחזור חיים: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · ערך task_id שהוחזר בפועל או רשומה בספריית המדיה

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

תעריפים

אופן חישוב החיוב הסופי

התעריפים המוצגים מספקים אומדן לעלות לפני היצירה. החיוב הסופי מחושב לפי העלות שנרשמה עבור היצירה המקורית. משך הפלט שנמדד והכמויות החזויות אינם הכמות הסופית לחיוב.

מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.

מצב מהיר: לא צוין כאשר נבחר מצב מהיר
מצב Flex: לא צוין כאשר נבחר מצב flex
מאמץ חשיבה מרבי: לא צוין כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)

תעריפים משוערים להשוואה

מחירים לפי תצורה

התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.

תצורה	טבלת תעריפים	כמות חזויה	יחידת חיוב	חיוב
תצורהתעריפי בסיס לטוקנים	טבלת תעריפיםתעריף בסיס	כמות חזויה—	יחידת חיוב—	חיוב קלט · טוקני קלט · אומדן להשוואה בלבד — / 1K טוקנים פלט · טוקני פלט · אומדן להשוואה בלבד — / 1K טוקנים קלט · קריאה מהמטמון · אומדן להשוואה בלבד — / 1K טוקנים קלט · כתיבה למטמון · אומדן להשוואה בלבד — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה · אומדן להשוואה בלבד — / 1K טוקנים
תצורהשעת שמע בקלט	טבלת תעריפים—	כמות חזויה—	יחידת חיובלכל שעת שמע בקלט	חיוב קלט · שעת שמע בקלט · אומדן להשוואה בלבד $0.72 לכל שעת שמע בקלט
תצורהעלות יצירה משוערת	טבלת תעריפים—	כמות חזויהאומדן ליצירה אחת	יחידת חיוב—	חיוב פלט · עלות יצירה משוערת · אומדן להשוואה בלבד $0.0002 אומדן לפני היצירה אומדן זה אינו חיוב נוסף או תעריף קבוע עבור היצירה שהושלמה.

לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →

דוגמאות לבקשות

Ailoot Ultra · תמלול

curl · גוף בקשה מדויק בפורמט המקורי והתוצאה המלאה

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.

קבלה ושמירה של תוצאות

Ailoot Ultra · תמלול

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

קריאות תוכן נוספות

קריאת נכסים קיימים שבבעלותכם

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.

שמירת כל התוצאות שהושלמו

שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.

שמרו את התשובה המלאה ואת הכותרות, כל פלט שהתקבל בפועל, את המזהים המקוריים שהוחזרו ואת כל שדות השימוש. שחזרו את הפעולה המקורית בלי לשלוח שוב בקשת יצירה.

כשצריך לבדוק את התגובה המקורית

שמרו את X-Client-Request-ID שהוחזר לצורך התאמת רישומים. קראו רק ערכי task_id/asset_id שהוחזרו בפועל או את ספריית המדיה שבבעלותכם; לעולם אל תבנו URL של משימה ממזהה הפעולה ואל תשלחו שוב בקשת יצירה.

שדות התגובה

שדה	סוג
שדה`text`	סוג
שדה`usage`	סוג
שדה`segments[]`	סוג
שדה`words[]`	סוג
שדה`speaker fields`	סוג
שדה`timestamps`	סוג

כינויים

כינויים למודל

Ailoot Ultra microsoft/mai-transcribe-1.5

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

microsoft/mai-transcribe-1.5

FAQ · Microsoft AI: MAI-Transcribe 1.5

אילו קלטים ותוצאות זמינים?: POST /v1/audio/transcriptions · microsoft/mai-transcribe-1.5: audio → text
באילו שדות הבקשה משתמשת?: POST /v1/audio/transcriptions · microsoft/mai-transcribe-1.5: model, input_audio, language, temperature, response_format, timestamp_granularities, provider
אילו מגבלות חלות?: POST /v1/audio/transcriptions · microsoft/mai-transcribe-1.5: temperature.minimum: 0; temperature.maximum: 1

Microsoft AI: MAI-Transcribe 1.5