Microsoft AI: MAI-Transcribe 2

Microsoft AI MAI-Transcribe 2 הופך דיבור מוקלט לטקסט ב־60 שפות, עם זיהוי שפה אוטומטי ומעבר בין שפות. הוא מוסיף הפרדה בין דוברים, תזמון מילים, הטיה לפי מילות מפתח וסגנונות נקי או מילולי לתיעוד פגישות, לכתוביות, לאודיו שניתן לחפש בו ולהכתבה מקצועית.

Ailoot Ultra · תמלול POST /v1/audio/transcriptions microsoft/mai-transcribe-2

על המודל

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

Microsoft AI MAI-Transcribe 2 הוא מהדורת הדיבור־לטקסט לאודיו מוקלט במשפחת התמלול מהדור השני של Microsoft. הוא ממיר תוכן מדובר לטקסט כתוב ב־60 שפות, עם זיהוי שפה אוטומטי ותמיכה בדיבור העובר בין שפות. המודל מוסיף הפרדה בין דוברים, תזמון ברמת המילה וסגנונות תמלול לבחירה. תוצרים שימושיים כוללים תמליל פגישה עם שיוך לדוברים, רשומת ריאיון שניתן לחפש בה, נתוני יישור לכתוביות או הכתבה בדוקה המכילה מונחים מקצועיים.

הכינו את ההקלטה תוך שמירה על החומר המדובר בשלמותו. היצרן מונה קלטי WAV,‏ MP3 ו־FLAC. שמרו את האודיו המקורי זמין להשוואת מילים, שמות ומספרים לא ודאיים לטקסט שזוהה. הקלטה יכולה להכיל רעשי רקע או איכות מיקרופון משתנה, שהמודל מתוכנן להתמודד איתם, אבל הבדיקה עדיין צריכה להתמקד בקטעים לא ברורים או חופפים. בריאיון, שמרו את רצף תורות הדיבור וההפסקות במקום להסיר את ההקשר המסייע לפרש תשובה.

זיהוי שפה אוטומטי שימושי כשהשפה אינה ידועה מראש. אוסף 60 השפות המתועד כולל אנגלית, רוסית, סינית, יפנית, קוריאנית, ערבית, צרפתית, גרמנית, ספרדית, אינדונזית, מלאית, תאית ווייטנאמית. המעבר בין שפות מכסה שינויים טבעיים ביניהן, לרבות צמדים מעורבים כגון Hinglish או Spanglish. ממשק היצרן מקבל גם רמז שפה יחיד, המתואר כהוראה חזקה. השתמשו בו רק כשההקלטה אכן בשפה שצוינה, במקום לכפות על שיחה רב־לשונית שפה צפויה אחת.

הטיה לפי מילות מפתח מספקת מונחים תחומיים, קיצורים, שמות מוצרים ושמות פרטיים שאחרת קשה להבחין בהם על סמך הצליל. הכינו רשימה ממוקדת הקשורה להקלטה, כגון שם הפרויקט, קו מוצרים או מילים טכניות שנאמרו בדיון. מדריך השירות מתאר אותם כרמזי זיהוי ולא כהתאמות כפויות. להרצאה טכנית, כללו את האיות המדויק של מכשירים נקובים ומונחים מקצועיים, ואז בדקו אם התמליל מציב אותם במקום שבו נאמרו בפועל. מונח שסופק אינו ראיה לכך שהדובר אמר אותו.

בחרו את סגנון הפלט לפי התוצר המיועד. Verbatim, ברירת המחדל המתועדת, שומר מילות מילוי, התחלות שנקטעו ותיקונים עצמיים. Clean מסיר חוסר שטף כדי ליצור תמליל קריא יותר. תיעוד המשמש לבחינת התפתחות שיחה יכול לשמר את ההיסוס והתיקון; תמליל שיעור קריא יכול להשתמש בנוסח המנוקה. שמרו את האודיו המקורי לצד כל אחת מהתוצאות. הניקוי משפר את הצגת הטקסט המדובר ואין להתייחס אליו כסיכום נפרד או כפרשנות חדשה לכוונת הדובר.

הפרדת דוברים מחלקת תורות לפי דובר שזוהה, וחותמות זמן ברמת המילה מספקות היסט ומשך לכל מילה. ממשק השירות מציע גם תזמון מקטעים או ללא תזמון. המקטעים מחולקים לפי שפה, וכשהפרדת דוברים מופעלת, גם לפי דובר. שדות התזמון משתמשים במילישניות ויכולים לתמוך בניווט, בחיפוש ובעריכה. התוויות מבחינות בין דוברים שזוהו; התאמת תווית לשם משתתף היא שלב בדיקה נפרד. לכתוביות, השתמשו בתזמוני מילים בדוקים להכנת קבוצות כתובית קריאות, במקום להניח שתוצאת הזיהוי היא כבר קובץ כתוביות מוגמר.

כרטיס המודל מציין גודל קובץ מרבי של 300 MB ושעתיים. לעומתו, מסמך הייחוס המקושר ל־REST סינכרוני עבור ממשק 2025-10-15 המתועד דורש קובץ קטן מ־250 MB וקצר משעתיים. אלה מגבלות מפורסמות נפרדות של כרטיס המודל ושל השירות; הכינו קובץ בתוך מכסת השירות הרלוונטית. מדריך MAI מציין גם שהפרדת דוברים תומכת בהקלטות קצרות יותר מתמלול ללא הפרדת דוברים. ארגנו חומר ארוך עם כמה דוברים לחלקים בעלי רצף משמעות כאשר נדרש שיוך דוברים, ושמרו את מיקום החלק בהקלטה המקורית לבדיקה בהמשך.

הפלט המתועד הוא נתוני תמלול מובנים: הטקסט המלא, ביטויים, ולפי בקשה גם מידע על דוברים ותזמון. ביטוי יכול לשאת את הטקסט שלו, השפה, ההיסט והמשך; תזמון מילים יכול לקשר מילה שזוהתה לאודיו. לארכיון שניתן לחפש בו, שמרו קשרים אלה כדי שמונח שנמצא יוביל בחזרה להקלטה. בתהליך פגישה, תמליל בדוק הופך לקלט לסיכום או לחילוץ משימות בהמשך. תוצאת מודל הדיבור היא התוכן שזוהה, ולא תיאור שאומת בנפרד של החלטות הפגישה.

ההבחנה בין הגרסאות מוחשית. MAI-Transcribe 1.5 מכסה 43 שפות, ואילו מהדורה זו מכסה 60 ומוסיפה את בקרות הפרדת הדוברים, חותמות הזמן למילים והסגנונות clean/verbatim המתועדות. MAI-Transcribe 2 Streaming הוא מודל נפרד לתמלול הדרגתי בזמן אמת עם תכונות משלו; ההשהיה עד לתוצאה החלקית הראשונה שלו אינה מתארת מהדורה זו לאודיו מוקלט. בדקו את התמליל מול האודיו לשמות, מספרים, תורות דוברים וקטעים מעורבי שפות לפני שימוש בו כמקור לכתוביות, לציטוטים או למסמך נגזר.

Ailoot Ultra · תמלול POST /v1/audio/transcriptions microsoft/mai-transcribe-2

microsoft/mai-transcribe-2

Microsoft AI /microsoft/mai-transcribe-2

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-2	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 $0.2 לכל שעת שמע בקלט
תצורהעלות יצירה משוערת	טבלת תעריפים—	כמות חזויהאומדן ליצירה אחת	יחידת חיוב—	חיוב פלט · עלות יצירה משוערת · אומדן להשוואה בלבד $0.00005555555555555556 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-2', '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-2

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

microsoft/mai-transcribe-2

FAQ · Microsoft AI: MAI-Transcribe 2

אילו קלטים ותוצאות זמינים?: POST /v1/audio/transcriptions · microsoft/mai-transcribe-2: audio → text
באילו שדות הבקשה משתמשת?: POST /v1/audio/transcriptions · microsoft/mai-transcribe-2: model, input_audio, language, temperature, response_format, timestamp_granularities, provider
אילו מגבלות חלות?: POST /v1/audio/transcriptions · microsoft/mai-transcribe-2: temperature.minimum: 0; temperature.maximum: 1

Microsoft AI: MAI-Transcribe 2