Microsoft AI: MAI-Transcribe 1.5
Microsoft AI MAI-Transcribe 1.5 可將錄製語音轉為文字，涵蓋 43 種語言，具備自動語言識別，並重視口音與嘈雜音訊。模型卡描述針對名稱與專業術語的領域感知關鍵字偏向提示。逐字稿可作為經核對筆記或字幕的基礎。
關於模型
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Microsoft AI MAI-Transcribe 1.5 是將錄製音訊轉為書面內容的語音轉文字模型。其確切模型卡描述支援 43 種語言辨識、自動語言識別，以及對口音、方言、說話風格與噪音環境的穩健性。此版本在 MAI-Transcribe 1 的 25 種語言之外，增加十八種語言。實用成果是演講、訪談、通話或語音筆記的書面語音內容，可先對照錄音檢查，再進行後續編修或分析。
以開發商列出的 WAV、MP3 或 FLAC 格式，準備完整且可理解的錄音。保留原始檔與區段劃分，讓逐字稿可與音訊比較。演講應保留技術術語前後的片語，不要只擷取困難字詞。語音筆記應保留會改變名稱、時間或數字的修正。周邊語音提供辨識內容的上下文，聽者檢查則可指出輸出需要修正之處。
自動語言識別可處理錄音，而無須事先選擇語言。43 種語言包含英文、法文、德文、義大利文、西班牙文、印地文、中文、日文、韓文、阿拉伯文、印尼文、俄文、泰文與越南文。新增語言包含保加利亞文、加泰隆尼亞文、希臘文、烏克蘭文，以及數種南亞語言。應確認目標語言屬於此版本的範圍，不要挪用 MAI-Transcribe 2 較廣的涵蓋範圍。多語言資料集合應將錄音語言隨已檢查文字保留，使下游編修符合實際口語內容。
1.5 模型卡描述最多 200 個詞的關鍵字或實體偏向提示；發行說明解釋用途，是把可能出現的名稱、縮寫與專業詞彙作為上下文。開發商描述的是上下文提示，而非盲目將提供字詞強行塞入結果。準備相關詞彙，例如專案名稱、技術儀器，或錄音中提到的人名正確拼法。將術語作為實際錄音的上下文，並對照語音檢查辨識詞。
工程課程錄音應準備所討論儀器的名稱，以及專案縮寫的確切拼法。將精確拼法寫入聚焦術語清單，與音訊及逐字稿一併保存。對照口語段落檢查這些出現位置，不要把詞彙項目當成配對成立的證明。發音相似的名稱仍可能需要檢查。結果應保留實際說出的字詞，包括會改變意義的修正或限定。
開發商強調真實世界音訊表現，包括背景噪音與不同麥克風條件。實際檢查可聚焦於同時發言、微弱聲音，或部分被其他聲音掩蓋的字詞。將不確定性連結至對應音訊段落，不要依主題假設填補。看似合理的句子仍可能含有錯誤專有名詞或數字。通話逐字稿的實用成果，是可供後續分析使用、經核對的口語內容記錄，而非猜測來電者意圖的敘述。
確切 1.5 模型卡列出最大檔案大小為 300 MB、時長為兩小時。其連結的同步轉錄 REST 參考文件描述更嚴格的服務輸入：小於 250 MB，且短於兩小時。這些是分別明載的模型卡與介面限制。檔案應符合預期介面的額度，較長資料則依有意義的錄音邊界整理。檔案大小限制針對編碼音訊，時長限制針對語音錄製長度；兩者都不是文字模型上下文視窗。
模型卡輸出範例是 JSON，包含錄音時長與合併後的辨識文字。文字可成為可讀逐字稿、字幕腳本，或後續摘要與搜尋的輸入。若結果不含所需時間資料，字幕單元分組與錄音對齊則須另行準備。訪談記錄若要將台詞歸屬具名參與者，需要另有經核對的說話者記錄。保留辨識措辭與音訊，作為後續成果的基礎。
規劃輸出時應注意版本界線。1.5 模型卡明確將說話者分離列為不支援能力；開發商版本比較則將逐字時間戳記與 clean/verbatim 風格控制歸於 MAI-Transcribe 2。原生串流模型也是另一個版本。因此，此 1.5 模型版本聚焦錄音辨識文字與文件所載的領域上下文，不應把其他版本的說話者、時間或即時輸入功能納入結果。製作引述段落、字幕軌或衍生文件前，應檢查名稱、數字、術語與不清楚語音。
Ailoot Ultra · 語音轉文字 POST /v1/audio/transcriptions microsoft/mai-transcribe-1.5
microsoft/mai-transcribe-1.5入門
Microsoft AI MAI-Transcribe 1.5 可將錄製語音轉為文字，涵蓋 43 種語言，具備自動語言識別，並重視口音與嘈雜音訊。模型卡描述針對名稱與專業術語的領域感知關鍵字偏向提示。逐字稿可作為經核對筆記或字幕的基礎。
- 接受的輸入
- 音訊
- 結果
- 文字
Ailoot 可用 · 輸入與方法
Ailoot Ultra · 語音轉文字 POST /v1/audio/transcriptions
- 輸入
audio- 輸出
text
| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 microsoft/mai-transcribe-1.5 | 預設值— |
欄位input_audio | 類型object | 要求必填 | 值與限制 | 預設值— |
欄位language | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位temperature | 類型number | 要求選填 | 值與限制 最小值: 0 最大值: 1 | 預設值— |
欄位response_format | 類型string | 要求選填 | 值與限制 json, verbose_json | 預設值json |
欄位timestamp_granularities | 類型array | 要求選填 | 值與限制 | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 | 預設值— |
方法參數與生命週期
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, input_audio |
參數material_types | 規格audio |
參數material_conditions | 規格請讀取實際的 WAV 檔案，並將其真實位元組編碼，用於所宣告的 JSON input_audio；此確切的純 JSON 宣告並未提供 multipart 路由。 |
生命週期： synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 實際回傳的 task_id 或媒體庫紀錄
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
方案
最終費用的計算方式
顯示的費率用於在生成前估算費用。最終費用依原始生成作業記錄的成本計算。實測的輸出時間長度與預估數量並非最終計費數量。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
- 快速模式
- 未指定 選取快速模式時
- flex 模式
- 未指定 選取 flex 模式時
- 最高推理強度
- 未指定 最高推理強度採用 default 調整值時
供比較的預估費率
各設定的價格
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 預估數量 | 計費單位 | 費用 |
|---|---|---|---|---|
| 設定基礎 token 費率 | 費率表基本費率 | 預估數量— | 計費單位— | 費用 輸入 · 輸入 Token · 僅供比較的估算 — / 1K Token 輸出 · 輸出 Token · 僅供比較的估算 — / 1K Token 輸入 · 讀取快取 · 僅供比較的估算 — / 1K Token 輸入 · 寫入快取 · 僅供比較的估算 — / 1K Token 輸入 · 寫入快取，1 小時 · 僅供比較的估算 — / 1K Token |
| 設定輸入音訊小時數 | 費率表— | 預估數量— | 計費單位每小時輸入音訊 | 費用 輸入 · 輸入音訊小時數 · 僅供比較的估算 $0.72 每小時輸入音訊 |
| 設定預估生成費用 | 費率表— | 預估數量單次生成估算值 | 計費單位— | 費用 輸出 · 預估生成費用 · 僅供比較的估算 $0.0002 生成前估算 此估算並非額外費用，也不是本次生成完成後的固定費率。 |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot Ultra · 語音轉文字
set -eu
: "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Keep the complete original response and headers. Read every returned segment, word and usage field.
# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.
接收並儲存結果
Ailoot Ultra · 語音轉文字
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
其他內容讀取方式
set -eu
: "${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.
保留所有已完成的結果
請保留所有完整傳回的回應、檔案與內容區塊。
保留完整回應與標頭、所有實際輸出、原始回傳的識別碼，以及所有用量欄位。恢復原始作業時，請勿再次提交建立請求。
需要檢查原始回應時
保留回傳的 X-Client-Request-ID，以供核對。僅讀取實際回傳的 task_id/asset_id 值或自己擁有的媒體庫；請勿以作業 ID 組成任務 URL，也請勿重新提交建立請求。
回應欄位
| 欄位 | 類型 |
|---|---|
欄位text | 類型 |
欄位usage | 類型 |
欄位segments[] | 類型 |
欄位words[] | 類型 |
欄位speaker fields | 類型 |
欄位timestamps | 類型 |
別名
模型別名
Ailoot Ultra microsoft/mai-transcribe-1.5
方法路徑別名
請使用上方列出的 API 方法路徑。
相關呼叫用 ID
FAQ · Microsoft AI: MAI-Transcribe 1.5
- 可以使用哪些輸入與結果？
POST /v1/audio/transcriptions·microsoft/mai-transcribe-1.5:audio→text- 請求使用哪些欄位？
POST /v1/audio/transcriptions·microsoft/mai-transcribe-1.5:model,input_audio,language,temperature,response_format,timestamp_granularities,provider- 適用哪些限制？
POST /v1/audio/transcriptions·microsoft/mai-transcribe-1.5:temperature.minimum:0;temperature.maximum:1