Source: https://ailoot.ai/models/zh-hant-tw/microsoft-mai-transcribe-2/ Canonical: https://ailoot.ai/models/zh-hant-tw/microsoft-mai-transcribe-2/ Language: zh-hant-tw # Microsoft AI: MAI-Transcribe 2 [Markdown](https://ailoot.ai/models/zh-hant-tw/microsoft-mai-transcribe-2/index.md) · [JSON](https://ailoot.ai/models/zh-hant-tw/microsoft-mai-transcribe-2/facts.json) ## [Microsoft AI: MAI-Transcribe 2](https://ailoot.ai/models/zh-hant-tw/microsoft-mai-transcribe-2/) Microsoft AI MAI-Transcribe 2 可將錄製語音轉為文字，涵蓋 60 種語言，支援自動語言識別與語言切換。它加入說話者分離、逐字時間資訊、關鍵字偏向提示，以及清理或逐字保留風格，適合會議記錄、字幕、可搜尋音訊與專業聽寫。 - [**Ailoot Ultra · 語音轉文字** `POST /v1/audio/transcriptions` `microsoft/mai-transcribe-2`](https://ailoot.ai/models/zh-hant-tw/microsoft-mai-transcribe-2/#method-0) 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 2 是 Microsoft 第二代轉錄系列中，用於錄製音訊的語音轉文字版本。它可將口語內容轉為書面文字，涵蓋 60 種語言，具備自動語言識別，並支援語音中的語言切換。模型加入說話者分離、逐字時間資訊，以及可選轉錄風格。實用成果包含標明說話者的會議逐字稿、可搜尋訪談記錄、字幕對齊資料，或含專業術語且經核對的聽寫稿。 準備錄音時，保留完整口語內容。開發商列出 WAV、MP3 與 FLAC 輸入。保留原始音訊，以便將不確定的字詞、名稱與數字和辨識文字比較。模型設計可處理背景噪音或不同麥克風品質，但檢查仍應聚焦於不清楚或重疊段落。訪談應保留發言與停頓順序，不要移除有助解讀回應的上下文。 事先不知道語言時，自動語言偵測很有用。文件所載的 60 種語言包含英文、俄文、中文、日文、韓文、阿拉伯文、法文、德文、西班牙文、印尼文、馬來文、泰文與越南文。語言切換涵蓋自然語言變換，包括 Hinglish 或 Spanglish 這類混用組合。開發商介面也接受單一語言提示，並將其描述為強指示。只有錄音確實使用指定語言時才應使用，不要把多語言對話強行限定為預期的單一語言。 關鍵字偏向提示提供領域術語、縮寫、產品名稱與專有名詞，這些詞可能僅憑聲音難以區分。準備與錄音相關的聚焦清單，例如專案名稱、產品線，或討論中使用的技術詞彙。服務指南將其描述為辨識提示，而非強制配對。技術演講可加入具名儀器與專業術語的確切拼法，再檢查逐字稿是否將它們放在實際說出的位置。提供某個詞，不代表說話者確實說過它。 依預期成果選擇輸出風格。文件預設的 Verbatim 會保留填充詞、說到一半重起的內容與自我修正。Clean 則移除不流暢部分，使逐字稿更易讀。用於檢視對話發展的記錄可保留猶豫與修正；便於閱讀的課程逐字稿則可使用清理後措辭。兩種結果都應隨附原始音訊。清理改善的是口語文字的呈現，不應被當成另一份摘要，或對說話者意圖的新解讀。 說話者分離依偵測到的說話者區分輪次；逐字時間戳記為每個字詞提供偏移量與時長。服務介面也提供片段時間資訊或不提供時間資訊的選項。片段依語言劃分，啟用說話者分離時也依說話者劃分。時間欄位使用毫秒，可支援導覽、搜尋與編輯。標籤區分偵測到的說話者；將標籤對應至參與者姓名，是另一項檢查步驟。字幕應使用經核對的逐字時間整理可讀字幕單元，不要假設辨識結果已是完成的字幕檔。 模型卡列出最大檔案大小為 300 MB、時長為兩小時。連結的同步 REST 參考文件針對所載 2025-10-15 介面，則要求檔案小於 250 MB，且短於兩小時。這些是不同的公開模型卡與服務限制；檔案應符合適用服務額度。MAI 指南也指出，說話者分離可支援的錄音比不分離說話者的轉錄更短。需要標明說話者時，將較長多說話者資料整理成連貫區段，並保留各段在原始錄音中的位置，以供後續檢查。 文件所載輸出為結構化轉錄資料：完整文字、片語，以及要求時提供的說話者與時間資訊。片語可帶有文字、語言、偏移量與時長；逐字時間可將辨識字詞連結至音訊。可搜尋典藏應保留這些關係，使找到的詞能回到錄音。會議流程中，經核對逐字稿可作為後續摘要或行動項目擷取的輸入。語音模型結果是辨識內容，不是已獨立驗證的會議決策記錄。 版本差異很具體。MAI-Transcribe 1.5 涵蓋 43 種語言；此版本涵蓋 60 種，並加入文件所載的說話者分離、逐字時間戳記與 clean/verbatim 控制。MAI-Transcribe 2 Streaming 是另一個用於增量即時轉錄的模型，具有自身功能組合；其首次部分結果延遲，不代表此錄製音訊版本。將逐字稿用於字幕、引文或衍生文件前，應對照音訊檢查名稱、數字、說話者輪次與混合語言段落。 **Ailoot Ultra · 語音轉文字** `POST /v1/audio/transcriptions` `microsoft/mai-transcribe-2` [`microsoft/mai-transcribe-2`](https://ailoot.ai/models/zh-hant-tw/#m=microsoft%2Fmai-transcribe-2&route=Ultra&caller=microsoft%2Fmai-transcribe-2&fmt=transcriptions) Microsoft AI /`microsoft/mai-transcribe-2` ### 入門 Microsoft AI MAI-Transcribe 2 可將錄製語音轉為文字，涵蓋 60 種語言，支援自動語言識別與語言切換。它加入說話者分離、逐字時間資訊、關鍵字偏向提示，以及清理或逐字保留風格，適合會議記錄、字幕、可搜尋音訊與專業聽寫。 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-2 | 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 **$0.2** 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 **$0.00005555555555555556** 生成前估算 此估算並非額外費用，也不是本次生成完成後的固定費率。 | Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。[預留金額與結算的運作方式 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/) ### 請求範例 #### Ailoot Ultra · 語音轉文字 curl · 精確的原生請求主體與完整結果 ```bash set -eu : "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Keep the complete original response and headers. Read every returned segment, word and usage field. # Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting. ``` ### 接收並儲存結果 #### Ailoot Ultra · 語音轉文字 - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` 其他內容讀取方式 讀取現有且屬於自己的素材 ```bash set -eu : "${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. ``` ##### 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-2`](https://ailoot.ai/models/zh-hant-tw/#m=microsoft%2Fmai-transcribe-2&route=Ultra&caller=microsoft%2Fmai-transcribe-2&fmt=transcriptions) #### 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 [`microsoft/mai-transcribe-2`](https://ailoot.ai/models/zh-hant-tw/#m=microsoft%2Fmai-transcribe-2&route=Ultra&caller=microsoft%2Fmai-transcribe-2&fmt=transcriptions) FAQ · Microsoft AI: MAI-Transcribe 2 可以使用哪些輸入與結果？ `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-2`: `audio` → `text` 請求使用哪些欄位？ `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-2`: `model`, `input_audio`, `language`, `temperature`, `response_format`, `timestamp_granularities`, `provider` 適用哪些限制？ `POST /v1/audio/transcriptions` · `microsoft/mai-transcribe-2`: `temperature.minimum`: `0`; `temperature.maximum`: `1` 將 Ailoot 串接 Claude Code、OpenCode、Hermes 或自己的應用程式。 ## 公司及其專案組合 公司及其專案組合：數百萬客戶，每月銷售額達數十億。 ## 優惠購買 token。 訂閱優惠適合持續工作，折扣碼購買 token 最高可折 50%。 訂閱 為定期請求選擇優惠方案。 最高 50% 折扣碼 購買時輸入代碼，價格依活動重算。 歷史中的費用 每次請求保存模型、token 與金額。 [選擇訂閱](https://ailoot.ai/docs/zh-hant-tw/billing/subscriptions/) · [查看模型價格](https://ailoot.ai/models/zh-hant-tw/) ## 將 API 加入 你銷售的產品。 依 Ailoot 正式服務條款與授權合約串接 SaaS、應用程式與機器人；轉售請申請經銷授權。 商用應用程式 在付費功能加入文字、圖片、影片與聲音生成。 經銷授權 提供專案說明與存取方式，要求書面使用和轉售條件。 網站文件 串接前可閱讀正式服務條款、授權合約與資料處理政策。 [申請經銷授權](mailto:support@ailoot.ai) · [正式服務條款與授權合約](https://ailoot.ai/legal/offer?lang=zh-hant-tw) ## Ailoot · 公司及其專案組合 Ailoot以累積的營運經驗、廣大的客戶群、穩定的服務及持續的KPI管理為基礎。 公司及其專案組合：數百萬客戶，每月銷售額達數十億。 Ailoot將這些營運經驗用於API存取，讓客戶的產品、代理、應用程式及自動化流程使用AI功能。