Microsoft AI: MAI-Transcribe 2

Microsoft AI MAI-Transcribe 2는 자동 언어 식별과 언어 전환을 지원하며 60개 언어의 녹음 음성을 텍스트로 바꿉니다. 화자 분리, 단어 시간 정보, 키워드 편향, 정리형 또는 축어형 스타일을 추가해 회의 기록, 자막, 검색 가능한 오디오, 전문 받아쓰기에 활용할 수 있습니다.

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

모델 소개

이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.

Microsoft AI MAI-Transcribe 2는 Microsoft 2세대 전사 계열의 녹음 오디오용 음성 인식 에디션입니다. 자동 언어 식별과 언어가 바뀌는 발화를 지원하며 60개 언어의 발화 내용을 글로 변환합니다. 화자 분리, 단어 단위 시간 정보, 선택 가능한 전사 스타일을 추가합니다. 유용한 결과물에는 화자가 구분된 회의 전사문, 검색 가능한 인터뷰 기록, 자막 정렬 데이터, 전문 용어를 포함한 검토된 받아쓰기가 있습니다.

발화 내용이 온전히 남도록 녹음을 준비하세요. 제조사는 WAV, MP3, FLAC 입력을 명시합니다. 불확실한 단어, 이름, 숫자를 인식 텍스트와 비교할 수 있도록 원본 오디오를 보관하세요. 모델은 배경 소음이나 다양한 마이크 품질을 처리하도록 설계되었지만, 검토에서는 여전히 불명확하거나 겹치는 구절에 집중해야 합니다. 인터뷰에서는 응답 해석에 도움이 되는 맥락을 지우지 말고 발화 순서와 쉼을 유지하세요.

자동 언어 감지는 언어를 미리 알 수 없을 때 유용합니다. 문서에 명시된 60개 언어에는 영어, 러시아어, 중국어, 일본어, 한국어, 아랍어, 프랑스어, 독일어, 스페인어, 인도네시아어, 말레이어, 태국어, 베트남어가 포함됩니다. 언어 전환은 Hinglish나 Spanglish처럼 혼합된 조합을 포함한 자연스러운 언어 변화를 다룹니다. 제조사 인터페이스는 단일 언어 힌트도 받으며 이를 강한 지시로 설명합니다. 다국어 대화를 예상 언어 하나에 억지로 맞추지 말고 실제 녹음이 지정한 언어일 때만 사용하세요.

키워드 편향은 소리만으로 구분하기 어려울 수 있는 전문 용어, 약어, 제품 이름, 고유명사를 제공합니다. 프로젝트 이름, 제품군, 토론에서 쓰인 기술 용어처럼 녹음과 관련된 집중된 목록을 준비하세요. 서빙 가이드는 이를 강제 일치가 아닌 인식 힌트로 설명합니다. 기술 강의에서는 기기 이름과 전문 용어의 정확한 표기를 포함한 뒤, 전사문이 실제로 발화된 위치에 이를 배치했는지 확인하세요. 제공한 용어 자체가 화자가 그 말을 했다는 근거는 아닙니다.

의도한 결과물에 따라 출력 스타일을 선택하세요. 문서상 기본값인 Verbatim은 군더더기 표현, 잘못 시작한 말, 자기 수정을 유지합니다. Clean은 비유창성을 제거해 더 읽기 쉬운 전사문을 만듭니다. 대화 전개를 검토하는 기록은 주저함과 수정을 보존할 수 있고, 읽기 쉬운 강의 전사문에는 정리된 표현을 사용할 수 있습니다. 어느 결과든 원본 오디오를 함께 보관하세요. 정리는 발화 텍스트의 표현을 개선하는 것이며 별도 요약이나 화자 의도의 새로운 해석으로 취급해서는 안 됩니다.

화자 분리는 감지한 화자별로 발화를 나누고, 단어 단위 타임스탬프는 각 단어의 오프셋과 길이를 제공합니다. 서빙 인터페이스는 구간별 시간 정보 또는 시간 정보 없음도 제공합니다. 구간은 언어별로 나뉘며 화자 분리를 켜면 화자별로도 나뉩니다. 시간 필드는 밀리초를 사용하고 탐색, 검색, 편집에 활용할 수 있습니다. 표식은 감지한 화자를 구분하며, 표식을 참여자 이름과 연결하는 것은 별도의 검토 단계입니다. 자막에는 인식 결과가 이미 완성된 자막 파일이라고 가정하지 말고 확인한 단어 시간 정보로 읽기 쉬운 자막 묶음을 준비하세요.

모델 카드는 최대 파일 크기 300 MB와 2시간을 명시합니다. 반면 문서화된 2025-10-15 인터페이스의 연결된 동기 REST 참조는 250 MB보다 작고 2시간보다 짧은 파일을 요구합니다. 이는 서로 다른 공개 모델 카드 및 서빙 제약이므로 적용되는 서빙 한도 안에서 파일을 준비하세요. MAI 가이드는 화자 분리가 없는 전사보다 화자 분리가 더 짧은 녹음을 지원한다고도 밝힙니다. 화자 귀속이 필요한 긴 다중 화자 자료는 의미가 이어지는 절로 나누고, 추후 검토를 위해 원본 녹음에서 각 절의 위치를 보존하세요.

문서화된 출력은 전체 텍스트, 구절, 요청한 경우의 화자 및 시간 정보를 담은 구조화 전사 데이터입니다. 구절에는 텍스트, 언어, 오프셋, 길이가 포함될 수 있으며, 단어 시간 정보는 인식한 단어를 오디오와 연결할 수 있습니다. 검색 가능한 아카이브에서는 찾은 용어가 녹음으로 이어지도록 이 관계를 보존하세요. 회의 작업 흐름에서는 확인한 전사문이 이후 요약이나 실행 항목 추출의 입력이 됩니다. 음성 모델의 결과는 인식한 내용이며 회의 결정을 독립적으로 검증한 기록은 아닙니다.

버전 차이는 구체적입니다. MAI-Transcribe 1.5는 43개 언어를 다루지만 이 에디션은 60개를 다루며 문서화된 화자 분리, 단어 타임스탬프, clean/verbatim 제어를 추가합니다. MAI-Transcribe 2 Streaming은 자체 기능을 갖춘 점진적 실시간 전사용 별도 모델입니다. 그 모델의 첫 부분 결과 지연 시간이 이 녹음 오디오 에디션을 설명하지는 않습니다. 자막, 인용, 파생 문서의 원문으로 사용하기 전에 이름, 숫자, 화자 차례, 혼합 언어 구절을 오디오와 대조해 전사문을 확인하세요.

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

microsoft/mai-transcribe-2

Microsoft AI /microsoft/mai-transcribe-2

시작하기

허용 입력: 오디오
결과: 텍스트

Ailoot에서 사용 가능 · 입력 및 메서드

Ailoot Ultra · 음성 전사 POST /v1/audio/transcriptions

입력: audio
출력: text

필드	유형	요건	값과 한도	기본값
필드`model`	유형`string`	요건필수	값과 한도 microsoft/mai-transcribe-2	기본값—
필드`input_audio`	유형`object`	요건필수	값과 한도	기본값—
필드`language`	유형`string`	요건선택 사항	값과 한도	기본값—
필드`temperature`	유형`number`	요건선택 사항	값과 한도 최솟값: 0 최댓값: 1	기본값—
필드`response_format`	유형`string`	요건선택 사항	값과 한도 json, verbose_json	기본값json
필드`timestamp_granularities`	유형`array`	요건선택 사항	값과 한도	기본값—
필드`provider`	유형`object`	요건선택 사항	값과 한도	기본값—

메서드 매개변수와 수명 주기

매개변수	명세
매개변수`content_type`	명세application/json
매개변수`required`	명세model, input_audio
매개변수`material_types`	명세audio
매개변수`material_conditions`	명세실제 WAV 파일을 읽고 해당 바이트를 선언된 JSON input_audio에 맞게 인코딩하세요. 이 정확한 JSON 전용 선언에는 multipart 경로가 안내되어 있지 않습니다.

수명 주기: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · 실제로 반환된 task_id 또는 미디어 라이브러리 기록

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

요금

최종 요금 계산 방식

표시된 요율은 생성 전 비용을 예상하는 데 사용됩니다. 최종 청구액은 최초 생성에 기록된 비용으로 계산됩니다. 측정된 출력 길이와 예상 수량은 최종 청구 수량이 아닙니다.

요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.

빠른 모드: 미지정 빠른 모드를 선택한 경우
Flex 모드: 미지정 flex 모드를 선택한 경우
최대 추론 수준: 미지정 최대 추론 수준에 default 조정값을 적용하는 경우

비교용 예상 요금

설정별 가격

각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.

설정	요금표	예측 수량	과금 단위	요금
설정기본 토큰 요금	요금표기본 요금	예측 수량—	과금 단위—	요금 입력 · 입력 토큰 · 비교 전용 추정치 — / 1K 토큰 출력 · 출력 토큰 · 비교 전용 추정치 — / 1K 토큰 입력 · 캐시 읽기 · 비교 전용 추정치 — / 1K 토큰 입력 · 캐시 쓰기 · 비교 전용 추정치 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 · 비교 전용 추정치 — / 1K 토큰
설정입력 오디오(시간)	요금표—	예측 수량—	과금 단위입력 오디오 시간당	요금 입력 · 입력 오디오(시간) · 비교 전용 추정치 $0.2 입력 오디오 시간당
설정예상 생성 비용	요금표—	예측 수량1회 생성 예상치	과금 단위—	요금 출력 · 예상 생성 비용 · 비교 전용 추정치 $0.00005555555555555556 생성 전 추정치 이 예상 금액은 추가 요금이나 생성 완료 시 적용되는 고정 요금이 아닙니다.

Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →

요청 예제

Ailoot Ultra · 음성 전사

curl · 정확한 네이티브 본문과 결과 전체

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.

결과 수신 및 저장

Ailoot Ultra · 음성 전사

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

기타 콘텐츠 조회

내 소유의 기존 자산 조회

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.

완료된 결과 모두 보관

반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.

전체 응답과 헤더, 실제로 생성된 모든 출력, 최초로 반환된 식별자와 모든 사용량 필드를 보관하세요. 생성 요청을 다시 제출하지 말고 최초 작업을 복구하세요.

원래 응답을 확인해야 할 경우

정산 대조를 위해 반환된 X-Client-Request-ID를 보관하세요. 실제로 반환된 task_id/asset_id 값이나 소유한 미디어 라이브러리만 조회하세요. 작업 ID로 태스크 URL을 만들거나 생성 요청을 다시 제출하지 마세요.

응답 필드

필드	유형
필드`text`	유형
필드`usage`	유형
필드`segments[]`	유형
필드`words[]`	유형
필드`speaker fields`	유형
필드`timestamps`	유형

별칭

모델 별칭

Ailoot Ultra microsoft/mai-transcribe-2

메서드 경로 별칭

위에 표시된 메서드 경로를 사용하세요.

Microsoft AI: MAI-Transcribe 2