AI TOOLS RADAR
すべてのモデル / MICROSOFT
microsoft logo
microsoft

Microsoft AI: MAI-Transcribe 1.5

出典の説明（英語）

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...

OpenRouterで出典を見る
概要

モデル仕様

コンテキスト
情報なし
最大出力
情報なし
アーキテクチャ
audio->transcription
トークナイザー
Other
知識カットオフ
情報なし
モデレーション
いいえ
OPENROUTER

料金の詳細

OpenRouterと同期した料金です。トークン料金は100万トークン単位です。

音声の長さ
$0.36
1時間あたり
API

クイックスタート

ローカルにOPENROUTER_API_KEYを設定してください。Pythonにはrequestsが必要です。JavaScriptはNode.jsで実行し、キーはサーバー側で管理してください。

APIドキュメント

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'
機能とモダリティ

入力 → 出力

入力
audio
出力
transcription
API

対応APIパラメータ

利用可能なプロバイダー

1 プロバイダー

確認日: 2026年9月16日

OpenRouterでプロバイダーを見る

可用性、遅延、スループット、ルーティングは常時変化します。最新情報は出典ページで確認してください。

OpenRouter

Azure

情報なし
コンテキスト
情報なし
最大出力
情報なし
microsoft

4 モデル

すべてのモデル
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...

コンテキスト
33K
入力
text
出力
decisions
入力: $0.042 100万トークンあたり出力: 無料 100万トークンあたり
モデル詳細を見る →
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...

コンテキスト
情報なし
入力
text
出力
speech
文字: $15 100万文字あたり
モデル詳細を見る →
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...

コンテキスト
情報なし
入力
text
出力
speech
文字: $22 100万文字あたり
モデル詳細を見る →
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...

コンテキスト
4K
入力
text · image
出力
image
入力: $5 100万トークンあたり画像出力: $38 100万トークンあたり
モデル詳細を見る →