Source: https://ailoot.ai/models/ru/microsoft-mai-transcribe-2/ Canonical: https://ailoot.ai/models/ru/microsoft-mai-transcribe-2/ Language: ru # Microsoft AI: MAI-Transcribe 2 [Markdown](https://ailoot.ai/models/ru/microsoft-mai-transcribe-2/index.md) · [JSON](https://ailoot.ai/models/ru/microsoft-mai-transcribe-2/facts.json) ## [Microsoft AI: MAI-Transcribe 2](https://ailoot.ai/models/ru/microsoft-mai-transcribe-2/) Microsoft AI MAI-Transcribe 2 преобразует записанную речь в текст на 60 языках с автоматическим определением языка и переключением между языками. Модель добавляет разделение говорящих, временные метки слов, подсказки ключевых слов и чистый либо дословный стиль для протоколов встреч, субтитров, поиска по аудио и специализированной диктовки. - [**Ailoot Ultra · Распознавание речи** `POST /v1/audio/transcriptions` `microsoft/mai-transcribe-2`](https://ailoot.ai/models/ru/microsoft-mai-transcribe-2/#method-0) О модели Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже. Microsoft AI MAI-Transcribe 2 — редакция второго поколения семейства транскрипции Microsoft для преобразования записанного аудио в текст. Она переводит устное содержимое в письменный вид на 60 языках с автоматическим определением языка и поддержкой речи с переключением между языками. Модель добавляет разделение говорящих, временные метки на уровне слов и выбираемые стили транскрипции. Полезные результаты — расшифровка встречи с разделением участников, запись интервью для поиска, данные для привязки субтитров или проверенная диктовка со специальной терминологией. Подготовьте запись с сохранённой речью. Разработчик указывает входные WAV, MP3 и FLAC. Оставьте исходное аудио доступным для сравнения сомнительных слов, имён и чисел с распознанным текстом. Запись может содержать фоновый шум или различаться по качеству микрофона, с чем модель рассчитана работать, но проверку всё равно следует сосредоточить на неясных или перекрывающихся фрагментах. Для интервью сохраняйте последовательность реплик и пауз, не удаляя контекст, помогающий понять ответ. Автоматическое определение полезно, когда язык заранее неизвестен. Документированный набор из 60 языков включает английский, русский, китайский, японский, корейский, арабский, французский, немецкий, испанский, индонезийский, малайский, тайский и вьетнамский. Переключение языков охватывает естественные переходы, включая смешанные сочетания Hinglish или Spanglish. Интерфейс разработчика также принимает одну языковую подсказку, описанную как сильная инструкция. Используйте её только тогда, когда запись действительно на указанном языке, не подгоняя многоязычный разговор под один ожидаемый язык. Подсказки ключевых слов передают отраслевые термины, сокращения, названия продуктов и собственные имена, которые иначе может быть трудно различить на слух. Подготовьте целевой список по записи, например название проекта, линейку продуктов или технические слова обсуждения. Руководство сервиса описывает их как подсказки распознавания, а не принудительные совпадения. Для технической лекции включите точные написания названных приборов и специальных терминов, затем проверьте, что расшифровка помещает их там, где они действительно прозвучали. Переданный термин не доказывает, что говорящий его произнёс. Выбирайте стиль вывода по назначению результата. Verbatim — документированный стиль по умолчанию — сохраняет слова-паразиты, незавершённые начала и самоисправления. Clean удаляет речевые сбои для более читаемой расшифровки. Запись для изучения хода разговора может сохранять колебания и исправления, а читаемый текст урока — использовать очищенные формулировки. Храните исходное аудио рядом с любым результатом. Очистка улучшает представление устного текста и не должна считаться отдельным кратким изложением или новой интерпретацией смысла говорящего. Разделение говорящих разбивает реплики по обнаруженным участникам, а временные метки слов дают смещение и длительность каждого слова. Интерфейс также предлагает время сегментов или отсутствие временных меток. Сегменты разделяются по языку, а при включённом разделении говорящих — и по участнику. Временные поля используют миллисекунды и могут поддерживать навигацию, поиск и редактирование. Метки различают обнаруженных говорящих; сопоставление метки с именем участника — отдельный этап проверки. Для субтитров используйте проверенные времена слов для создания читаемых групп реплик, не предполагая, что распознавание уже является готовым файлом субтитров. В карточке модели указаны максимальный размер файла 300 МБ и длительность два часа. Связанная справка синхронного REST для документированного интерфейса 2025-10-15 требует файл меньше 250 МБ и короче двух часов. Это разные опубликованные ограничения карточки модели и сервиса; готовьте файл в пределах применимого допуска сервиса. Руководство MAI также указывает, что разделение говорящих поддерживает более короткие записи, чем транскрипция без него. Организуйте длинные материалы с несколькими участниками в связные части, когда нужна принадлежность реплик, и сохраняйте позицию части в исходной записи для последующей проверки. Документированный вывод — структурированные данные транскрипции: полный текст, фразы и по запросу сведения о говорящих и времени. Фраза может содержать текст, язык, смещение и длительность; время слов связывает распознанное слово с аудио. Для архива с поиском сохраняйте эти связи, чтобы найденный термин вёл к записи. В процессе встреч проверенная расшифровка становится входом для последующего изложения или извлечения поручений. Результат речевой модели — распознанное содержимое, а не независимо проверенный отчёт о решениях встречи. Различия версий конкретны. MAI-Transcribe 1.5 охватывает 43 языка, а эта редакция — 60 и добавляет документированные разделение говорящих, временные метки слов и элементы управления clean/verbatim. MAI-Transcribe 2 Streaming — отдельная модель для поэтапной транскрипции в реальном времени со своим набором возможностей; задержка её первого частичного результата не описывает редакцию для записанного аудио. Сверяйте имена, числа, реплики участников и смешанные языковые фрагменты с аудио, прежде чем использовать расшифровку как источник субтитров, цитат или производного документа. **Ailoot Ultra · Распознавание речи** `POST /v1/audio/transcriptions` `microsoft/mai-transcribe-2` [`microsoft/mai-transcribe-2`](https://ailoot.ai/models/ru/#m=microsoft%2Fmai-transcribe-2&route=Ultra&caller=microsoft%2Fmai-transcribe-2&fmt=transcriptions) Microsoft AI /`microsoft/mai-transcribe-2` ### Начало Microsoft AI MAI-Transcribe 2 преобразует записанную речь в текст на 60 языках с автоматическим определением языка и переключением между языками. Модель добавляет разделение говорящих, временные метки слов, подсказки ключевых слов и чистый либо дословный стиль для протоколов встреч, субтитров, поиска по аудио и специализированной диктовки. Допустимые входные данные Аудио Результаты Текст ### Доступно в Ailoot · входные данные и методы **Ailoot Ultra · Распознавание речи** `POST /v1/audio/transcriptions` Входные данные `audio` Результат `text` | Поле | Тип | Требование | Значения и ограничения | По умолчанию | | --- | --- | --- | --- | --- | | Поле`model` | Тип`string` | ТребованиеОбязательно | Значения и ограничения microsoft/mai-transcribe-2 | По умолчанию— | | Поле`input_audio` | Тип`object` | ТребованиеОбязательно | Значения и ограничения | По умолчанию— | | Поле`language` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— | | Поле`temperature` | Тип`number` | ТребованиеНеобязательно | Значения и ограничения Минимум: 0 Максимум: 1 | По умолчанию— | | Поле`response_format` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения json, verbose\_json | По умолчаниюjson | | Поле`timestamp_granularities` | Тип`array` | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— | | Поле`provider` | Тип`object` | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— | Параметры и жизненный цикл метода | Параметр | Контракт | | --- | --- | | Параметр`content_type` | Контрактapplication/json | | Параметр`required` | Контрактmodel, input\_audio | | Параметр`material_types` | Контрактaudio | | Параметр`material_conditions` | КонтрактПрочитайте фактический файл WAV и закодируйте его реальные байты для заявленного поля input\_audio в JSON; в этом конкретном описании, допускающем только JSON, маршрут multipart не предлагается. | Жизненный цикл: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · Фактически возвращённый task\_id или запись в медиатеке `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Тарифы ##### Как рассчитывается итоговая плата Отображаемые тарифы позволяют оценить стоимость до генерации. Итоговое списание рассчитывается по стоимости, записанной для исходной генерации. Измеренная длительность результата и прогнозные объёмы не являются итоговым оплачиваемым объёмом. Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода. Быстрый режим Не указано При выборе быстрого режима Режим flex Не указано При выборе режима flex Максимальная интенсивность рассуждений Не указано При максимальной интенсивности рассуждений с корректировкой по умолчанию (default) #### Оценочные ставки для сравнения #### Цены по конфигурациям Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку. | Конфигурация | Шкала ставок | Прогноз количества | Расчётная единица | Плата | | --- | --- | --- | --- | --- | | КонфигурацияБазовые тарифы на токены | Шкала ставокБазовая ставка | Прогноз количества— | Расчётная единица— | Плата Вход · Входные токены · Оценка только для сравнения **—** / 1K токенов Выход · Выходные токены · Оценка только для сравнения **—** / 1K токенов Вход · Чтение кэша · Оценка только для сравнения **—** / 1K токенов Вход · Запись в кэш · Оценка только для сравнения **—** / 1K токенов Вход · Запись в кэш, 1 час · Оценка только для сравнения **—** / 1K токенов | | Конфигурациячас входного аудио | Шкала ставок— | Прогноз количества— | Расчётная единицаза час входного аудио | Плата Вход · час входного аудио · Оценка только для сравнения **$0.2** за час входного аудио | | КонфигурацияОриентировочная стоимость генерации | Шкала ставок— | Прогноз количестваОценка для одной генерации | Расчётная единица— | Плата Выход · Оценочная стоимость генерации · Оценка только для сравнения **$0.00005555555555555556** оценка до генерации Эта оценка не является дополнительным списанием или фиксированным тарифом для завершённой генерации. | Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. [Как работают резервирование и расчёт →](https://ailoot.ai/docs/ru/billing/reserve/) ### Примеры запросов #### Ailoot Ultra · Распознавание речи curl · точное тело запроса в нативном формате и полный результат ```bash set -eu : "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### Получить и сохранить результаты #### Ailoot Ultra · Распознавание речи - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Чтение другого содержимого Читать существующие материалы, принадлежащие вам ```bash set -eu : "${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. ``` ##### Сохраняйте все готовые результаты Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого. Сохраняйте полный ответ и заголовки, все фактические результаты, исходные возвращённые идентификаторы и все поля использования. Восстанавливайте исходную операцию без повторной отправки запроса создания. ##### Если нужно проверить исходный ответ Сохраните возвращённый X-Client-Request-ID для сверки. Читайте только фактически возвращённые значения task\_id/asset\_id или собственную медиатеку; никогда не составляйте URL задачи из ID операции и никогда не отправляйте запрос создания повторно. Поля ответа | Поле | Тип | | --- | --- | | Поле`text` | Тип | | Поле`usage` | Тип | | Поле`segments[]` | Тип | | Поле`words[]` | Тип | | Поле`speaker fields` | Тип | | Поле`timestamps` | Тип | ### Псевдонимы #### Псевдонимы моделей **Ailoot Ultra** [`microsoft/mai-transcribe-2`](https://ailoot.ai/models/ru/#m=microsoft%2Fmai-transcribe-2&route=Ultra&caller=microsoft%2Fmai-transcribe-2&fmt=transcriptions) #### Псевдонимы путей метода Используйте пути методов, указанные выше. #### Связанные ID для вызова [`microsoft/mai-transcribe-2`](https://ailoot.ai/models/ru/#m=microsoft%2Fmai-transcribe-2&route=Ultra&caller=microsoft%2Fmai-transcribe-2&fmt=transcriptions) FAQ · Microsoft AI: MAI-Transcribe 2 Какие входные данные и результаты доступны? `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-2`: `audio` → `text` Какие поля использует запрос? `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-2`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` Какие ограничения действуют? `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-2`: `temperature.minimum`: `0`; `temperature.maximum`: `1` Подключите Ailoot к Claude Code, OpenCode, Hermes или своему приложению. ## Компания и портфель её проектов Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. ## Покупайте токены со скидкой. Скидка по подписке для регулярной работы. Промокоды — до 50% на покупку токенов. Подписка Выберите тариф со скидкой для своих регулярных запросов. Промокод до 50% Введите код при покупке. Цена пересчитается с учётом действующей акции. Расходы в истории Модель, токены и сумма сохраняются для каждого запроса. [Выбрать подписку](https://ailoot.ai/docs/ru/billing/subscriptions/) · [Посмотреть цены моделей](https://ailoot.ai/models/ru/) ## Подключайте API к продукту, который вы продаёте. SaaS, приложения и боты — по оферте и лицензионному договору Ailoot. Для перепродажи запросите реселлерскую лицензию. Коммерческое приложение Встраивайте генерацию текста, картинок, видео и звука в платные функции своего сервиса. Лицензия для реселлера Пришлите описание проекта и схему доступа. Запросите письменные условия использования и перепродажи. Документы на сайте Оферта, лицензионный договор и политика обработки данных доступны до подключения. [Запросить реселлерскую лицензию](mailto:support@ailoot.ai) · [Оферта и лицензионный договор](https://ailoot.ai/legal/offer?lang=ru) ## Ailoot · Компания и портфель её проектов Ailoot опирается на накопленный опыт работы, большую клиентскую базу, стабильный сервис и постоянный контроль KPI. Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. Этот опыт Ailoot использует для API-доступа к нейросетям в продуктах клиентов, агентах, приложениях и автоматизациях.