AI TOOLS RADAR
Wszystkie modele / MICROSOFT
microsoft logo
microsoft

Microsoft AI: MAI-Transcribe 1.5

Opis źródłowy (angielski)

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...

Zobacz źródło w OpenRouter
Przegląd

Specyfikacja modelu

Kontekst
Brak danych
Maksymalne wyjście
Brak danych
Architektura
audio->transcription
Tokenizer
Other
Granica wiedzy
Brak danych
Moderowany
Nie
OPENROUTER

Pełny cennik

Stawki zsynchronizowane z OpenRouter, za milion tokenów.

Czas audio
$0.36
za godzinę
API

Szybki start

Ustaw lokalnie OPENROUTER_API_KEY. Python wymaga requests, a JavaScript działa w Node.js. Klucz przechowuj na serwerze.

Dokumentacja 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'
Możliwości i modalności

Wejście → Wyjście

Wejście
audio
Wyjście
transcription
API

Obsługiwane parametry API

Dostępni dostawcy

1 Dostawca

Sprawdzono: 16 września 2026

Dostawcy na żywo w OpenRouter

Dostępność, opóźnienie, przepustowość i routing stale się zmieniają. Aktualne dane są na stronie źródłowej.

OpenRouter

Azure

Brak danych
Kontekst
Brak danych
Maksymalne wyjście
Brak danych
microsoft

4 modele

Wszystkie modele
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...

Kontekst
33K
Wejście
text
Wyjście
decisions
Wejście: $0.042 za milion tokenówWyjście: Bezpłatnie za milion tokenów
Zobacz szczegóły modelu →
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...

Kontekst
Brak danych
Wejście
text
Wyjście
speech
Znaki: $15 za milion znaków
Zobacz szczegóły modelu →
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...

Kontekst
Brak danych
Wejście
text
Wyjście
speech
Znaki: $22 za milion znaków
Zobacz szczegóły modelu →
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...

Kontekst
4K
Wejście
text · image
Wyjście
image
Wejście: $5 za milion tokenówObraz wyjściowy: $38 za milion tokenów
Zobacz szczegóły modelu →