Source: https://ailoot.ai/models/it/microsoft-mai-transcribe-2/ Canonical: https://ailoot.ai/models/it/microsoft-mai-transcribe-2/ Language: it # Microsoft AI: MAI-Transcribe 2 [Markdown](https://ailoot.ai/models/it/microsoft-mai-transcribe-2/index.md) · [JSON](https://ailoot.ai/models/it/microsoft-mai-transcribe-2/facts.json) ## [Microsoft AI: MAI-Transcribe 2](https://ailoot.ai/models/it/microsoft-mai-transcribe-2/) Microsoft AI MAI-Transcribe 2 trasforma il parlato registrato in testo in 60 lingue, con identificazione automatica della lingua e alternanza tra lingue. Aggiunge diarizzazione dei parlanti, temporizzazione delle parole, suggerimenti lessicali e stili clean o verbatim per verbali di riunioni, sottotitoli, audio ricercabile e dettatura specialistica. - [**Ailoot Ultra · Trascrizione** `POST /v1/audio/transcriptions` `microsoft/mai-transcribe-2`](https://ailoot.ai/models/it/microsoft-mai-transcribe-2/#method-0) Informazioni sul modello Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito. Microsoft AI MAI-Transcribe 2 è l’edizione speech-to-text per audio registrato della famiglia di trascrizione di seconda generazione di Microsoft. Converte contenuti parlati in testo scritto in 60 lingue, con identificazione automatica della lingua e supporto per il parlato che alterna lingue diverse. Il modello aggiunge diarizzazione dei parlanti, temporizzazione a livello di parola e stili di trascrizione selezionabili. Risultati utili comprendono una trascrizione di riunione con attribuzione ai parlanti, un resoconto ricercabile di intervista, dati di allineamento per sottotitoli o dettatura controllata contenente terminologia specialistica. Prepara la registrazione mantenendo intatto il materiale parlato. Il produttore elenca input WAV, MP3 e FLAC. Mantieni disponibile l’audio originale per confrontare parole, nomi e numeri incerti con il testo riconosciuto. Una registrazione può contenere rumore di fondo o qualità variabile del microfono, condizioni che il modello è progettato per gestire, ma la verifica deve comunque concentrarsi sui passaggi poco chiari o sovrapposti. Per un’intervista, conserva la sequenza dei turni e delle pause, anziché rimuovere il contesto che aiuta a interpretare una risposta. Il rilevamento automatico della lingua è utile quando la lingua non è nota in anticipo. L’insieme documentato di 60 lingue comprende inglese, russo, cinese, giapponese, coreano, arabo, francese, tedesco, spagnolo, indonesiano, malese, thailandese e vietnamita. L’alternanza linguistica copre cambiamenti naturali tra lingue, comprese combinazioni come Hinglish o Spanglish. L’interfaccia del produttore accetta anche un singolo suggerimento linguistico, descritto come un’istruzione forte. Usalo soltanto quando la registrazione è effettivamente nella lingua specificata, anziché forzare una conversazione multilingue in un’unica lingua attesa. I suggerimenti lessicali forniscono termini di dominio, abbreviazioni, nomi di prodotti e nomi propri che potrebbero altrimenti essere difficili da distinguere dal suono. Prepara un elenco mirato relativo alla registrazione, come il nome del progetto, una linea di prodotti o parole tecniche usate nella discussione. La guida di erogazione li descrive come suggerimenti per il riconoscimento, anziché corrispondenze forzate. Per una lezione tecnica, includi le grafie esatte degli strumenti denominati e dei termini specialistici, poi controlla se la trascrizione li colloca dove sono stati effettivamente pronunciati. Un termine fornito non è una prova che il parlante lo abbia detto. Scegli lo stile di output in base al risultato previsto. Verbatim, l’impostazione predefinita documentata, conserva riempitivi, false partenze e autocorrezioni. Clean rimuove le disfluenze per una trascrizione più leggibile. Un resoconto usato per esaminare lo svolgimento di una conversazione può conservare esitazioni e correzioni; una trascrizione leggibile di una lezione può usare la formulazione ripulita. Conserva l’audio originale insieme al risultato, qualunque dei due stili tu scelga. La pulizia migliora la presentazione del testo parlato e non deve essere trattata come un riepilogo separato o una nuova interpretazione di ciò che il parlante intendeva. La diarizzazione separa i turni per parlante rilevato e i timestamp a livello di parola forniscono un offset e una durata per ogni parola. L’interfaccia di erogazione offre anche temporizzazione per segmenti o nessuna temporizzazione. I segmenti sono divisi per lingua e, quando la diarizzazione è attiva, per parlante. I campi temporali usano millisecondi e possono supportare navigazione, ricerca e montaggio. Le etichette distinguono i parlanti rilevati; associare un’etichetta al nome di un partecipante è un passaggio separato di verifica. Per i sottotitoli, usa tempi delle parole controllati per preparare gruppi di battute leggibili, anziché presumere che il risultato del riconoscimento sia già un file di sottotitoli finito. La scheda del modello indica una dimensione massima del file di 300 MB e due ore. Il riferimento REST sincrono collegato per l’interfaccia documentata 2025-10-15 richiede invece un file inferiore a 250 MB e più breve di due ore. Si tratta di vincoli pubblicati distinti della scheda del modello e dell’erogazione; prepara un file entro il limite applicabile del servizio. La guida MAI afferma inoltre che la diarizzazione supporta registrazioni più brevi rispetto alla trascrizione senza diarizzazione. Organizza materiale lungo con più parlanti in sezioni coerenti quando serve attribuire il parlato e conserva la posizione della sezione nella registrazione originale per una verifica successiva. L’output documentato è costituito da dati di trascrizione strutturati: testo completo, frasi e, quando richieste, informazioni sui parlanti e sulla temporizzazione. Una frase può contenere testo, lingua, offset e durata; la temporizzazione delle parole può collegare una parola riconosciuta all’audio. Per un archivio ricercabile, conserva tali relazioni, così un termine trovato potrà ricondurre alla registrazione. Per un flusso di riunione, una trascrizione controllata diventa un input per il successivo riepilogo o per l’estrazione delle azioni da svolgere. Il risultato del modello vocale è il contenuto riconosciuto, anziché un resoconto verificato indipendentemente delle decisioni della riunione. La distinzione tra versioni è concreta. MAI-Transcribe 1.5 copre 43 lingue, mentre questa edizione ne copre 60 e aggiunge i controlli documentati di diarizzazione, timestamp delle parole e stile clean/verbatim. MAI-Transcribe 2 Streaming è un modello separato per la trascrizione incrementale in tempo reale, con un proprio insieme di funzionalità; la sua latenza del primo risultato parziale non descrive questa edizione per audio registrato. Controlla la trascrizione rispetto all’audio per nomi, numeri, turni dei parlanti e passaggi mistilingue prima di usarla come fonte per sottotitoli, citazioni o un documento derivato. **Ailoot Ultra · Trascrizione** `POST /v1/audio/transcriptions` `microsoft/mai-transcribe-2` [`microsoft/mai-transcribe-2`](https://ailoot.ai/models/it/#m=microsoft%2Fmai-transcribe-2&route=Ultra&caller=microsoft%2Fmai-transcribe-2&fmt=transcriptions) Microsoft AI /`microsoft/mai-transcribe-2` ### Introduzione Microsoft AI MAI-Transcribe 2 trasforma il parlato registrato in testo in 60 lingue, con identificazione automatica della lingua e alternanza tra lingue. Aggiunge diarizzazione dei parlanti, temporizzazione delle parole, suggerimenti lessicali e stili clean o verbatim per verbali di riunioni, sottotitoli, audio ricercabile e dettatura specialistica. Input accettati Audio Risultati Testo ### Disponibile in Ailoot · input e metodi **Ailoot Ultra · Trascrizione** `POST /v1/audio/transcriptions` Tipi di input `audio` Tipi di output `text` | Campo | Tipo | Requisito | Valori e limiti | Predefinito | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObbligatorio | Valori e limiti microsoft/mai-transcribe-2 | Predefinito— | | Campo`input_audio` | Tipo`object` | RequisitoObbligatorio | Valori e limiti | Predefinito— | | Campo`language` | Tipo`string` | RequisitoFacoltativo | Valori e limiti | Predefinito— | | Campo`temperature` | Tipo`number` | RequisitoFacoltativo | Valori e limiti Minimo: 0 Massimo: 1 | Predefinito— | | Campo`response_format` | Tipo`string` | RequisitoFacoltativo | Valori e limiti json, verbose\_json | Predefinitojson | | Campo`timestamp_granularities` | Tipo`array` | RequisitoFacoltativo | Valori e limiti | Predefinito— | | Campo`provider` | Tipo`object` | RequisitoFacoltativo | Valori e limiti | Predefinito— | Parametri e ciclo di vita del metodo | Parametro | Contratto | | --- | --- | | Parametro`content_type` | Contrattoapplication/json | | Parametro`required` | Contrattomodel, input\_audio | | Parametro`material_types` | Contrattoaudio | | Parametro`material_conditions` | ContrattoLeggi un file WAV reale e codifica i suoi byte effettivi per l'input JSON dichiarato input\_audio; per questa dichiarazione esatta che ammette solo JSON non viene proposta una rotta multipart. | Ciclo di vita: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · task\_id effettivamente restituito o record della libreria multimediale `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Tariffe ##### Calcolo del costo finale Le tariffe visualizzate stimano il costo prima della generazione. L'addebito finale viene calcolato in base al costo registrato per la generazione originale. La durata misurata dell'output e le quantità previste non costituiscono la quantità finale fatturabile. Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato. Modalità rapida Non specificato Quando è selezionata la modalità rapida Modalità flex Non specificato Quando è selezionata la modalità flex Sforzo massimo di ragionamento Non specificato Quando lo sforzo massimo di ragionamento usa l'adeguamento predefinito (default) #### Tariffe stimate per il confronto #### Prezzi per configurazione Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative. | Configurazione | Listino delle tariffe | Quantità prevista | Unità di fatturazione | Costo | | --- | --- | --- | --- | --- | | ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Quantità prevista— | Unità di fatturazione— | Costo Input · Token in input · Stima solo a fini di confronto **—** / 1K token Output · Token in output · Stima solo a fini di confronto **—** / 1K token Input · Lettura dalla cache · Stima solo a fini di confronto **—** / 1K token Input · Scrittura nella cache · Stima solo a fini di confronto **—** / 1K token Input · Scrittura nella cache, 1 ora · Stima solo a fini di confronto **—** / 1K token | | Configurazioneora audio in ingresso | Listino delle tariffe— | Quantità prevista— | Unità di fatturazioneper ora di audio in input | Costo Input · ora audio in ingresso · Stima solo a fini di confronto **$0.2** per ora di audio in input | | ConfigurazioneCosto stimato della generazione | Listino delle tariffe— | Quantità previstastima per una generazione | Unità di fatturazione— | Costo Output · Costo di generazione stimato · Stima solo a fini di confronto **$0.00005555555555555556** stima prima della generazione Questa stima non è un addebito aggiuntivo né una tariffa fissa per la generazione completata. | Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. [Come funzionano la prenotazione e l’addebito finale →](https://ailoot.ai/docs/it/billing/reserve/) ### Esempi di richieste #### Ailoot Ultra · Trascrizione curl · corpo della richiesta nel formato nativo esatto e risultato completo ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path import base64 audio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes() if not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file') if len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow') request={'model': 'microsoft/mai-transcribe-2', 'input_audio': {'data': '${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Ricevi e salva i risultati #### Ailoot Ultra · Trascrizione - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Altre letture di contenuto Leggi le risorse esistenti di tua proprietà ```bash set -eu : "${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 tutti i risultati completati Conserva ogni risposta, file e parte di contenuto restituiti per intero. Conserva la risposta completa e gli header, ogni output effettivo, gli identificatori originali restituiti e tutti i campi di utilizzo. Recupera l'operazione originale senza inviare nuovamente la richiesta di creazione. ##### Se occorre verificare la risposta originale Conserva l'X-Client-Request-ID restituito per la riconciliazione. Leggi solo i valori task\_id/asset\_id effettivamente restituiti o la tua libreria multimediale; non costruire mai un URL del task a partire dall'ID dell'operazione e non reinviare mai la richiesta di creazione. Campi della risposta | Campo | Tipo | | --- | --- | | Campo`text` | Tipo | | Campo`usage` | Tipo | | Campo`segments[]` | Tipo | | Campo`words[]` | Tipo | | Campo`speaker fields` | Tipo | | Campo`timestamps` | Tipo | ### Alias #### Alias del modello **Ailoot Ultra** [`microsoft/mai-transcribe-2`](https://ailoot.ai/models/it/#m=microsoft%2Fmai-transcribe-2&route=Ultra&caller=microsoft%2Fmai-transcribe-2&fmt=transcriptions) #### Alias dei percorsi dei metodi Usa i percorsi dei metodi indicati sopra. #### ID di chiamata correlati [`microsoft/mai-transcribe-2`](https://ailoot.ai/models/it/#m=microsoft%2Fmai-transcribe-2&route=Ultra&caller=microsoft%2Fmai-transcribe-2&fmt=transcriptions) FAQ · Microsoft AI: MAI-Transcribe 2 Quali input e risultati sono disponibili? `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-2`: `audio` → `text` Quali campi usa la richiesta? `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-2`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Quali limiti si applicano? `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-2`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Collega Ailoot a Claude Code, OpenCode, Hermes o alla tua applicazione. ## L’azienda e il suo portafoglio di progetti L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese. ## Acquista token con uno sconto. Sconto con abbonamento per lavoro regolare. Codici fino al 50% sull’acquisto di token. Abbonamento Scegli un piano scontato per richieste regolari. Codice fino al 50% Inserisci il codice all’acquisto. Il prezzo si aggiorna secondo la promozione. Spese nella cronologia Modello, token e importo sono salvati per ogni richiesta. [Scegli abbonamento](https://ailoot.ai/docs/it/billing/subscriptions/) · [Consulta prezzi dei modelli](https://ailoot.ai/models/it/) ## Collega l’API al prodotto che vendi. SaaS, app e bot secondo offerta e accordo di licenza Ailoot. Per rivendere, richiedi una licenza reseller. Applicazione commerciale Integra generazione di testo, immagini, video e suono nelle funzioni a pagamento. Licenza reseller Invia descrizione del progetto e schema di accesso. Richiedi condizioni scritte per uso e rivendita. Documenti sul sito Offerta, accordo di licenza e politica sui dati sono disponibili prima della connessione. [Richiedi licenza reseller](mailto:support@ailoot.ai) · [Offerta e accordo di licenza](https://ailoot.ai/legal/offer?lang=it) ## Ailoot · L’azienda e il suo portafoglio di progetti Ailoot si basa su un’esperienza operativa consolidata, un’ampia base di clienti, un servizio stabile e un controllo costante dei KPI. L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese. Ailoot mette questa esperienza operativa al servizio dell’accesso API alle funzioni AI nei prodotti dei clienti, negli agenti, nelle applicazioni e nelle automazioni.