Microsoft AI: MAI-Transcribe 1.5

Microsoft AI MAI-Transcribe 1.5 pretvarja posneti govor v besedilo v 43 jezikih s samodejnim prepoznavanjem jezika ter poudarkom na naglasih in hrupnem zvoku. Njegova kartica modela opisuje področno usmerjanje s ključnimi besedami za imena in strokovne izraze. Prepis uporabite kot osnovo za preverjene zapiske ali podnapise.

Ailoot Ultra · Prepisovanje POST /v1/audio/transcriptions microsoft/mai-transcribe-1.5

O modelu

Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.

Microsoft AI MAI-Transcribe 1.5 je model za pretvorbo govora v besedilo, namenjen pretvarjanju posnetega zvoka v pisno vsebino. Njegova konkretna kartica modela opisuje prepoznavanje v 43 jezikih, samodejno prepoznavanje jezika in robustnost pri različnih naglasih, narečjih, načinih govora in hrupnih razmerah. Izdaja razširja nabor 25 jezikov MAI-Transcribe 1 za osemnajst jezikov. Uporaben rezultat je zapis govora iz predavanja, intervjuja, klica ali glasovne beležke, pripravljen za preverjanje glede na posnetek pred poznejšim urejanjem ali analizo.

Pripravite celoten, razumljiv posnetek v enem od formatov, ki jih navaja proizvajalec: WAV, MP3 ali FLAC. Ohranite izvirno datoteko in morebitno razdelitev na odseke, da bo prepis mogoče primerjati z zvokom. Pri predavanju ohranite besedne zveze okoli tehničnega izraza, namesto da izluščite le težavno besedo. Pri glasovni beležki ohranite popravek, ki spremeni ime, čas ali število. Okoliški govor daje kontekst za prepoznavanje izrečenega, poslušalčev pregled pa lahko določi mesta, kjer izhod potrebuje popravek.

Samodejno prepoznavanje jezika omogoča obdelavo posnetka brez vnaprejšnje izbire jezika. Nabor 43 jezikov vključuje angleščino, francoščino, nemščino, italijanščino, španščino, hindijščino, kitajščino, japonščino, korejščino, arabščino, indonezijščino, ruščino, tajščino in vietnamščino. Dodani jeziki vključujejo bolgarščino, katalonščino, grščino, ukrajinščino in več južnoazijskih jezikov. Preverite, ali predvideni jezik spada v nabor te izdaje, namesto da bi ji pripisali širšo pokritost MAI-Transcribe 2. Pri večjezičnih zbirkah jezik posnetka ohranite ob preverjenem besedilu, da nadaljnje urejanje sledi dejanski govorjeni vsebini.

Kartica modela 1.5 opisuje usmerjanje s ključnimi besedami ali entitetami z do 200 izrazi, objava pa pojasnjuje namen: verjetna imena, kratice in strokovne besede dati na voljo kot kontekst. Proizvajalec opisuje kontekstne namige in ne slepega vsiljevanja predloženih besed v rezultat. Pripravite ustrezno besedišče, kot so ime projekta, tehnični instrument ali pravilen zapis imena osebe, obravnavane v posnetku. Terminologijo uporabite kot kontekst za dejanski posnetek in prepoznane izraze preverite glede na govor.

Za posneto inženirsko učno uro pripravite imena obravnavanih instrumentov in natančen zapis vseh projektnih kratic. Njihove natančne zapise navedite v osredotočenem terminološkem seznamu in ga hranite ob zvoku ter prepisu. Te pojavitve preverite glede na govorjene odlomke, namesto da vnos v besedišču obravnavate kot dokaz ujemanja. Podobno zveneča imena lahko še vedno zahtevajo preverjanje. Rezultat naj ohrani dejansko izgovorjene besede, vključno s popravkom ali dopolnilom, ki spremeni njihov pomen.

Proizvajalec poudarja zmogljivost pri zvoku iz resničnega sveta, vključno s hrupom v ozadju in različnimi mikrofonskimi razmerami. Praktični pregled se lahko osredotoči na odlomke s hkratnim govorom, tihimi glasovi ali besedami, ki jih delno prekrije drug zvok. Negotovosti povežite z ustreznim zvočnim odlomkom, namesto da jih zapolnite s predpostavkami o temi. Verjetna poved lahko še vedno vsebuje napačno lastno ime ali število. Pri prepisu klica je uporaben izdelek preverjeni zapis govorjene vsebine, ki ga lahko uporabi poznejša analiza, in ne ugiban zapis klicateljevega namena.

Konkretna kartica modela 1.5 navaja največjo velikost datoteke 300 MB in dve uri. Povezana referenca REST za sinhrono prepisovanje opisuje strožji izvajalni vhod: manj kot 250 MB in krajši od dveh ur. To so ločeno navedene omejitve kartice modela in vmesnika. Datoteke pripravite znotraj proračuna predvidenega vmesnika in daljše gradivo uredite na smiselnih mejah posnetka. Omejitev velikosti datoteke zadeva kodirani zvok, omejitev trajanja pa dolžino govornega posnetka; nobena ne določa kontekstnega okna besedilnega modela.

Vzorčni izhod na kartici modela je JSON, ki vsebuje trajanje posnetka in združeno prepoznano besedilo. Besedilo lahko postane dostopen prepis, scenarij za podnapise ali vhod za poznejše povzemanje in iskanje. Združevanje podnapisnih enot in časovna poravnava s posnetkom sta ločena pripravljalna koraka, kadar rezultat ne vključuje potrebnih časovnih podatkov. Pri zapisih intervjujev pripis replike poimenovanemu udeležencu potrebuje ločen preverjeni zapis o tem, kdo je govoril. Prepoznano besedilo in zvok ohranite kot osnovo za te poznejše izdelke.

Meje izdaje so pomembne pri načrtovanju izhoda. Kartica 1.5 razločevanje govorcev izrecno uvršča zunaj podprtih zmožnosti, proizvajalčeva primerjava različic pa časovne oznake na ravni besed in nastavitve slogov clean/verbatim pripisuje MAI-Transcribe 2. Nativni pretočni model je prav tako ločena izdaja. Ta različica 1.5 se zato osredotoča na prepoznano besedilo iz posnetkov in njegov dokumentirani področni kontekst, ne da bi funkcije govorcev, časovnih oznak ali vhoda v živo iz druge izdaje spremenila v del svojega rezultata. Pred pripravo citiranega odlomka, podnapisne steze ali izpeljanega dokumenta preverite imena, števila, tehnične izraze in nejasen govor.

Ailoot Ultra · Prepisovanje POST /v1/audio/transcriptions microsoft/mai-transcribe-1.5

microsoft/mai-transcribe-1.5

Microsoft AI /microsoft/mai-transcribe-1.5

Začetek

Dovoljeni vhodi: Zvok
Rezultati: Besedilo

Na voljo v Ailoot · vhodi in metode

Ailoot Ultra · Prepisovanje POST /v1/audio/transcriptions

Vhod: audio
Izhod: text

Polje	Vrsta	Zahteva	Vrednosti in omejitve	Privzeto
Polje`model`	Vrsta`string`	ZahtevaObvezno	Vrednosti in omejitve microsoft/mai-transcribe-1.5	Privzeto—
Polje`input_audio`	Vrsta`object`	ZahtevaObvezno	Vrednosti in omejitve	Privzeto—
Polje`language`	Vrsta`string`	ZahtevaIzbirno	Vrednosti in omejitve	Privzeto—
Polje`temperature`	Vrsta`number`	ZahtevaIzbirno	Vrednosti in omejitve Najmanj: 0 Največ: 1	Privzeto—
Polje`response_format`	Vrsta`string`	ZahtevaIzbirno	Vrednosti in omejitve json, verbose_json	Privzetojson
Polje`timestamp_granularities`	Vrsta`array`	ZahtevaIzbirno	Vrednosti in omejitve	Privzeto—
Polje`provider`	Vrsta`object`	ZahtevaIzbirno	Vrednosti in omejitve	Privzeto—

Parametri in življenjski cikel metode

Parameter	Specifikacija
Parameter`content_type`	Specifikacijaapplication/json
Parameter`required`	Specifikacijamodel, input_audio
Parameter`material_types`	Specifikacijaaudio
Parameter`material_conditions`	SpecifikacijaPreberite dejansko datoteko WAV in kodirajte njene resnične bajte za deklarirani JSON input_audio; za to natančno deklaracijo samo z JSON ni navedena pot multipart.

Življenjski cikel: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Dejansko vrnjeni task_id ali zapis v medijski knjižnici

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Cenik

Kako se izračuna končni strošek

Prikazane cene so namenjene oceni stroškov pred generiranjem. Končni znesek se izračuna na podlagi stroška, zabeleženega za izvirno generiranje. Izmerjeno trajanje izhoda in napovedane količine niso končna obračunska količina.

Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.

Hitri način: Ni navedeno Ko je izbran hitri način
Način flex: Ni navedeno Ko je izbran način flex
Najvišja raven razmišljanja: Ni navedeno Ko najvišja raven razmišljanja uporablja privzeto prilagoditev (default)

Ocenjene cene za primerjavo

Cene po nastavitvah

Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.

Nastavitev	Cenovna lestvica	Predvidena količina	Obračunska enota	Strošek
NastavitevOsnovne cene žetonov	Cenovna lestvicaOsnovna cena	Predvidena količina—	Obračunska enota—	Strošek Vhod · Vhodni žetoni · Ocena samo za primerjavo — / 1K žetonov Izhod · Izhodni žetoni · Ocena samo za primerjavo — / 1K žetonov Vhod · Branje predpomnilnika · Ocena samo za primerjavo — / 1K žetonov Vhod · Zapis v predpomnilnik · Ocena samo za primerjavo — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura · Ocena samo za primerjavo — / 1K žetonov
Nastavitevura vhodnega zvoka	Cenovna lestvica—	Predvidena količina—	Obračunska enotana uro vhodnega zvoka	Strošek Vhod · ura vhodnega zvoka · Ocena samo za primerjavo $0.72 na uro vhodnega zvoka
NastavitevOcenjeni strošek ustvarjanja	Cenovna lestvica—	Predvidena količinaocena za eno generiranje	Obračunska enota—	Strošek Izhod · Ocenjeni stroški ustvarjanja · Ocena samo za primerjavo $0.0002 ocena pred ustvarjanjem Ta ocena ni dodatno plačilo ali fiksna cena za dokončano generiranje.

Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →

Primeri zahtev

Ailoot Ultra · Prepisovanje

curl · natančno izvorno telo zahteve in celoten rezultat

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.

Prejmi in shrani rezultate

Ailoot Ultra · Prepisovanje

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

Branje druge vsebine

Preberi obstoječa gradiva, ki vam pripadajo

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.

Ohrani vse dokončane rezultate

Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.

Shranite celoten odgovor in glave, vse dejanske izhode, izvirne vrnjene identifikatorje in vsa polja s podatki o porabi. Pridobite podatke izvirne operacije brez ponovnega pošiljanja zahteve za ustvarjanje.

Če je treba preveriti izvirni odgovor

Shranite vrnjeni X-Client-Request-ID za uskladitev evidenc. Berite samo dejansko vrnjene vrednosti task_id/asset_id ali svojo medijsko knjižnico; iz ID operacije nikoli ne sestavite URL opravila in zahteve za ustvarjanje nikoli ne pošljite znova.

Polja odgovora

Polje	Vrsta
Polje`text`	Vrsta
Polje`usage`	Vrsta
Polje`segments[]`	Vrsta
Polje`words[]`	Vrsta
Polje`speaker fields`	Vrsta
Polje`timestamps`	Vrsta

Druga imena

Druga imena modelov

Ailoot Ultra microsoft/mai-transcribe-1.5

Druga imena poti metod

Uporabite zgoraj navedene poti metod.

Povezani ID-ji za klic

microsoft/mai-transcribe-1.5

FAQ · Microsoft AI: MAI-Transcribe 1.5

Kateri vhodi in rezultati so na voljo?: POST /v1/audio/transcriptions · microsoft/mai-transcribe-1.5: audio → text
Katera polja uporablja zahteva?: POST /v1/audio/transcriptions · microsoft/mai-transcribe-1.5: model, input_audio, language, temperature, response_format, timestamp_granularities, provider
Katere omejitve veljajo?: POST /v1/audio/transcriptions · microsoft/mai-transcribe-1.5: temperature.minimum: 0; temperature.maximum: 1

Microsoft AI: MAI-Transcribe 1.5