AI TOOLS RADAR
Todos los modelos / MICROSOFT
microsoft logo
microsoft

Microsoft AI: MAI-Transcribe 1.5

Descripción de la fuente (inglés)

MAI-Transcribe 1.5 is a multilingual speech-to-text model from Microsoft AI. It is suited for captions, call transcription, subtitling, accessibility, and other voice-enabled applications, with reliable transcription across 43 languages, diverse...

Ver fuente en OpenRouter
Resumen

Especificaciones del modelo

Contexto
No indicado
Salida máxima
No indicado
Arquitectura
audio->transcription
Tokenizador
Other
Corte de conocimiento
No indicado
Moderado
No
OPENROUTER

Precios completos

Tarifas sincronizadas desde OpenRouter, por millón de tokens.

Duración del audio
$0.36
por hora
API

Inicio rápido

Configura OPENROUTER_API_KEY localmente. Python requiere requests; JavaScript se ejecuta en Node.js. Mantén la clave en el servidor.

Documentación de la API

curl --fail-with-body https://openrouter.ai/api/v1/audio/transcriptions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -F 'model=microsoft/mai-transcribe-1.5' \
  -F 'file=@audio.wav'
Capacidades y modalidades

Entrada → Salida

Entrada
audio
Salida
transcription
API

Parámetros API compatibles

Proveedores disponibles

1 Proveedor

Verificado: 16 de septiembre de 2026

Proveedores en vivo en OpenRouter

Disponibilidad, latencia, rendimiento y enrutamiento cambian continuamente. Consulta la fuente para datos actuales.

OpenRouter

Azure

No indicado
Contexto
No indicado
Salida máxima
No indicado
microsoft

4 modelos

Todos los modelos
microsoft logomicrosoft

Microsoft: Microsoft-Decision-1

Microsoft-Decision-1 is a small model built for fast decision-making. Instead of generating text, it reads the provided content and returns a calibrated probability for each fixed answer option, so the...

Contexto
33K
Entrada
text
Salida
decisions
Entrada: $0.042 por millón de tokensSalida: Gratis por millón de tokens
Ver detalles del modelo →
microsoft logomicrosoft

Microsoft AI: MAI-Voice-2.1-Flash

MAI-Voice-2.1-Flash is a low-latency text-to-speech model from Microsoft AI, optimized for real-time responsiveness. It produces natural, expressive speech across 23 languages, with human-like intonation, rhythm, and emotional nuance. It is...

Contexto
No indicado
Entrada
text
Salida
speech
Caracteres: $15 por millón de caracteres
Ver detalles del modelo →
microsoft logomicrosoft

Microsoft AI: MAI-Voice-2.1

MAI-Voice-2.1 is Microsoft AI's highest-fidelity, most expressive text-to-speech model. It produces natural, studio-grade speech across 23 languages, with detailed prosody, nuanced expressiveness, and speaker consistency over long-form content. It is...

Contexto
No indicado
Entrada
text
Salida
speech
Caracteres: $22 por millón de caracteres
Ver detalles del modelo →
microsoft logomicrosoft

Microsoft AI: MAI-Image-2.6

MAI-Image-2.6 is an image generation and editing model from Microsoft AI, the precision tier of the MAI-Image-2.6 family alongside the faster MAI-Image-2.6 Flash. It is suited for design-ready visuals and...

Contexto
4K
Entrada
text · image
Salida
image
Entrada: $5 por millón de tokensSalida de imagen: $38 por millón de tokens
Ver detalles del modelo →