Source: https://ailoot.ai/models/ja/microsoft-mai-transcribe-1-5/ Canonical: https://ailoot.ai/models/ja/microsoft-mai-transcribe-1-5/ Language: ja # Microsoft AI: MAI-Transcribe 1.5 [Markdown](https://ailoot.ai/models/ja/microsoft-mai-transcribe-1-5/index.md) · [JSON](https://ailoot.ai/models/ja/microsoft-mai-transcribe-1-5/facts.json) ## [Microsoft AI: MAI-Transcribe 1.5](https://ailoot.ai/models/ja/microsoft-mai-transcribe-1-5/) Microsoft AI MAI-Transcribe 1.5は、自動言語識別に対応し、アクセントや雑音のある音声を重視して、録音した発話を43言語でテキストにします。モデルカードは、名前や専門用語向けの分野に応じたキーワード認識支援を説明しています。確認済みメモや字幕の基礎に使えます。 - [**Ailoot Ultra · 文字起こし** `POST /v1/audio/transcriptions` `microsoft/mai-transcribe-1.5`](https://ailoot.ai/models/ja/microsoft-mai-transcribe-1-5/#method-0) モデルについて この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。 Microsoft AI MAI-Transcribe 1.5は、録音音声を文章に変換する音声認識モデルです。対象のモデルカードは、43言語の認識、自動言語識別、アクセント、方言、話し方、雑音に対する頑健性を説明しています。MAI-Transcribe 1の25言語に18言語を加えた版です。有用な成果物は、講義、インタビュー、通話、音声メモの発話を文章化したもので、後の編集や分析の前に録音と照合できます。 メーカーが挙げるWAV、MP3、FLACのいずれかで、全体が聞き取れる録音を用意します。文字起こしと音声を比べられるよう、元のファイルと区間の分け方を保持します。講義では難しい語だけを抜かず、専門語の前後のフレーズを残します。音声メモでは、名前、時刻、数値を変える訂正を保持します。周辺の発話が認識の文脈を与え、聞き手の確認によって訂正箇所を見つけられます。 自動言語識別により、事前に言語を選ばず録音を処理できます。43言語には、英語、フランス語、ドイツ語、イタリア語、スペイン語、ヒンディー語、中国語、日本語、韓国語、アラビア語、インドネシア語、ロシア語、タイ語、ベトナム語があります。追加された言語には、ブルガリア語、カタルーニャ語、ギリシャ語、ウクライナ語、複数の南アジア言語があります。MAI-Transcribe 2の広い対応範囲を借りず、対象言語がこの版に含まれるか確認します。多言語資料集合では、後段の編集が実際の発話に従うよう、確認済みの文章と録音の言語を保持します。 1.5のカードは、最大200語のキーワード・エンティティ認識支援を説明しています。リリースが示す目的は、想定される名前、略語、専門語を文脈として利用可能にすることです。メーカーは、指定語を無条件に結果へ押し込むのではなく、文脈のヒントと説明しています。プロジェクト名、技術機器、録音で話題となる人物の正しい綴りなど、関連語彙を用意します。実際の録音の文脈として使い、認識した語を発話と照合してください。 工学の授業の録音では、扱う機器名とプロジェクト略語の正確な綴りを用意します。対象を絞った用語リストに記載し、音声と文字起こしに添えます。語彙の項目を一致の証拠とみなさず、現れる箇所を実際の発話と照合します。似た音の名前にはなお確認が必要です。意味を変える訂正や条件を含め、実際に話された言葉を結果に残す必要があります。 メーカーは、背景雑音やさまざまなマイク条件を含む実環境音声での性能を重視しています。確認では、同時発話、小さい声、別の音に一部隠れた語に注目できます。話題から推測して埋めず、不確かさを対応する音声箇所に結び付けます。自然な文でも固有名詞や数値が誤っている場合があります。通話の有用な成果物は、話者の意図を推測した説明ではなく、後の分析で使える確認済みの発話記録です。 対象の1.5のカードは最大ファイルサイズ300 MB、長さ2時間を示しています。リンク先の同期文字起こしRESTリファレンスは、より厳しい配信入力として250 MB未満、2時間未満を示します。モデルカードとインターフェースに別々に記載された上限です。利用するインターフェースの枠内にファイルを用意し、長い資料は意味のある録音の境界で整理します。ファイルサイズは符号化された音声、長さは録音時間の制限であり、どちらもテキストモデルのコンテキスト枠を定義しません。 モデルカードの出力例は、録音時間と結合した認識テキストを含むJSONです。テキストは、利用しやすい文字起こし、字幕用の原稿、後の要約や検索の入力になります。必要な時刻データがない場合、字幕キューのグループ化と録音への時間合わせは別の準備です。インタビューで名前付きの参加者にセリフを割り当てるには、誰が話したかの別の確認記録が必要です。後の成果物の基礎として、認識した文面と音声を保持します。 出力計画では、この版の境界が重要です。1.5のカードは話者分離を対応範囲外と明示し、メーカーの版比較は単語タイムスタンプとclean/verbatim制御をMAI-Transcribe 2に割り当てています。ネイティブのストリーミングモデルも別版です。そのため1.5は、他版の話者、時刻、ライブ入力の機能を結果に含めず、録音の認識テキストと記載された分野の文脈を中心に使います。引用、字幕トラック、派生文書を用意する前に、名前、数値、専門語、不明瞭な発話を確認してください。 **Ailoot Ultra · 文字起こし** `POST /v1/audio/transcriptions` `microsoft/mai-transcribe-1.5` [`microsoft/mai-transcribe-1.5`](https://ailoot.ai/models/ja/#m=microsoft%2Fmai-transcribe-1.5&route=Ultra&caller=microsoft%2Fmai-transcribe-1.5&fmt=transcriptions) Microsoft AI /`microsoft/mai-transcribe-1.5` ### はじめに Microsoft AI MAI-Transcribe 1.5は、自動言語識別に対応し、アクセントや雑音のある音声を重視して、録音した発話を43言語でテキストにします。モデルカードは、名前や専門用語向けの分野に応じたキーワード認識支援を説明しています。確認済みメモや字幕の基礎に使えます。 対応する入力 音声 結果 テキスト ### Ailootで利用可能 · 入力とメソッド **Ailoot Ultra · 文字起こし** `POST /v1/audio/transcriptions` 入力の種類 `audio` 出力の種類 `text` | フィールド | 種類 | 要件 | 値と制限 | デフォルト | | --- | --- | --- | --- | --- | | フィールド`model` | 種類`string` | 要件必須 | 値と制限 microsoft/mai-transcribe-1.5 | デフォルト— | | フィールド`input_audio` | 種類`object` | 要件必須 | 値と制限 | デフォルト— | | フィールド`language` | 種類`string` | 要件任意 | 値と制限 | デフォルト— | | フィールド`temperature` | 種類`number` | 要件任意 | 値と制限 最小値: 0 最大値: 1 | デフォルト— | | フィールド`response_format` | 種類`string` | 要件任意 | 値と制限 json, verbose\_json | デフォルトjson | | フィールド`timestamp_granularities` | 種類`array` | 要件任意 | 値と制限 | デフォルト— | | フィールド`provider` | 種類`object` | 要件任意 | 値と制限 | デフォルト— | メソッドのパラメータとライフサイクル | パラメータ | 仕様 | | --- | --- | | パラメータ`content_type` | 仕様application/json | | パラメータ`required` | 仕様model, input\_audio | | パラメータ`material_types` | 仕様audio | | パラメータ`material_conditions` | 仕様実際のWAVファイルを読み込み、その実際のバイト列を、宣言されたJSONのinput\_audio向けにエンコードしてください。この厳密にJSONのみを扱う宣言では、multipartルートは提供するとしていません。 | ライフサイクル: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · 実際に返された task\_id またはメディアライブラリのレコード `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### 料金 ##### 最終料金の計算方法 表示料金は生成前の費用の見積もりです。最終請求額は、元の生成処理に記録された費用から計算されます。実測された出力時間や予測数量が、そのまま最終的な課金数量になるわけではありません。 料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。 高速モード 未指定 高速モードが選択されている場合 Flex モード 未指定 flex モードが選択されている場合 最大推論量 未指定 推論量が最大で、調整に既定値（default）を使用する場合 #### 比較用の推定料金 #### 設定別の価格 各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。 | 設定 | 料金表 | 予測数量 | 課金単位 | 料金 | | --- | --- | --- | --- | --- | | 設定基本トークン料金 | 料金表基本料金 | 予測数量— | 課金単位— | 料金 入力 · 入力トークン · 比較専用の見積もり **—** / 1K トークン 出力 · 出力トークン · 比較専用の見積もり **—** / 1K トークン 入力 · キャッシュ読み取り · 比較専用の見積もり **—** / 1K トークン 入力 · キャッシュ書き込み · 比較専用の見積もり **—** / 1K トークン 入力 · キャッシュ書き込み、1時間 · 比較専用の見積もり **—** / 1K トークン | | 設定入力音声の時間数 | 料金表— | 予測数量— | 課金単位入力音声1時間あたり | 料金 入力 · 入力音声の時間数 · 比較専用の見積もり **$0.72** 入力音声1時間あたり | | 設定生成費用の見積もり | 料金表— | 予測数量生成1回分の概算 | 課金単位— | 料金 出力 · 推定生成コスト · 比較専用の見積もり **$0.0002** 生成前の見積もり この見積もりは追加料金ではなく、完了した生成処理に対する固定料金でもありません。 | Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。[金額の確保と精算の仕組み →](https://ailoot.ai/docs/ja/billing/reserve/) ### リクエスト例 #### Ailoot Ultra · 文字起こし curl · 正確なネイティブ形式のボディと結果全体 ```bash set -eu : "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### 結果を受け取って保存 #### Ailoot Ultra · 文字起こし - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` その他のコンテンツ取得 自分が所有する既存のアセットを読み取る ```bash set -eu : "${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. ``` ##### 完了した結果をすべて保存 返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。 レスポンスとヘッダーの全体、実際の出力すべて、最初に返された識別子、使用量フィールドすべてを保存してください。作成リクエストを再送せずに、元の操作を復旧してください。 ##### 元のレスポンスを確認する場合 照合のため、返された X-Client-Request-ID を保存してください。実際に返された task\_id/asset\_id の値、または自分が所有するメディアライブラリだけを使って読み取ってください。操作 ID からタスクの URL を組み立てたり、作成リクエストを再送したりしないでください。 レスポンスのフィールド | フィールド | 種類 | | --- | --- | | フィールド`text` | 種類 | | フィールド`usage` | 種類 | | フィールド`segments[]` | 種類 | | フィールド`words[]` | 種類 | | フィールド`speaker fields` | 種類 | | フィールド`timestamps` | 種類 | ### エイリアス #### モデルのエイリアス **Ailoot Ultra** [`microsoft/mai-transcribe-1.5`](https://ailoot.ai/models/ja/#m=microsoft%2Fmai-transcribe-1.5&route=Ultra&caller=microsoft%2Fmai-transcribe-1.5&fmt=transcriptions) #### メソッドパスのエイリアス 上記に表示されたメソッドパスを使用してください。 #### 関連する呼び出し用ID [`microsoft/mai-transcribe-1.5`](https://ailoot.ai/models/ja/#m=microsoft%2Fmai-transcribe-1.5&route=Ultra&caller=microsoft%2Fmai-transcribe-1.5&fmt=transcriptions) FAQ · Microsoft AI: MAI-Transcribe 1.5 利用できる入力と結果は何ですか？ `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-1.5`: `audio` → `text` リクエストはどの項目を使用しますか？ `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-1.5`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` どの制限が適用されますか？ `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-1.5`: `temperature.minimum`: `0`; `temperature.maximum`: `1` AilootをClaude Code、OpenCode、Hermes、自分のアプリに接続しましょう。 ## 企業とそのプロジェクト群 企業とそのプロジェクト群：数百万の顧客、毎月数十億規模の売上。 ## トークンを割引価格で購入。 継続利用にサブスクリプション割引。プロモコードでトークン購入が最大50%割引。 サブスクリプション 定期的なリクエストに合う割引プランを選びましょう。 最大50%のプロモコード 購入時にコードを入力すると、実施中のキャンペーンに沿って価格を再計算します。 支出を履歴で確認 各リクエストのモデル、トークン、金額が保存されます。 [サブスクリプションを選ぶ](https://ailoot.ai/docs/ja/billing/subscriptions/) · [モデルの価格を見る](https://ailoot.ai/models/ja/) ## 販売する製品に、 APIを組み込みましょう。 SaaS、アプリ、ボットをAilootの公式サービス提供条件とライセンス契約に基づいて接続できます。再販にはリセラーライセンスを申請できます。 商用アプリ サービスの有料機能に、文章、画像、動画、音声の生成を組み込めます。 リセラーライセンス プロジェクトの説明とアクセスの仕組みをお送りください。利用・再販条件の書面を申請できます。 サイトで契約文書を確認 接続前にサービス提供条件、ライセンス契約、データ処理ポリシーを読めます。 [リセラーライセンスを申請](mailto:support@ailoot.ai) · [サービス提供条件とライセンス契約](https://ailoot.ai/legal/offer?lang=ja) ## Ailoot · 企業とそのプロジェクト群 Ailootは、蓄積した運営経験、幅広い顧客基盤、安定したサービス、継続的なKPI管理を基盤としています。 企業とそのプロジェクト群：数百万の顧客、毎月数十億規模の売上。 Ailootはこの運営経験を、お客様の製品、エージェント、アプリケーション、自動化でAI機能を利用するためのAPIアクセスに活かしています。