AI TOOLS RADAR
Todos os modelos / MICROSOFT
microsoft logo
microsoft

Microsoft AI: MAI-Transcribe 1.5

Descrição da fonte (inglês)

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 fonte no OpenRouter
Visão geral

Especificações do modelo

Contexto
Não informado
Saída máxima
Não informado
Arquitetura
audio->transcription
Tokenizador
Other
Limite de conhecimento
Não informado
Moderado
Não
OPENROUTER

Preços completos

Tarifas sincronizadas do OpenRouter, por milhão de tokens.

Duração do áudio
$0.36
por hora
API

Início rápido

Defina OPENROUTER_API_KEY localmente. Python requer requests; JavaScript roda em Node.js. Mantenha a chave no servidor.

Documentação da 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'
Recursos e modalidades

Entrada → Saída

Entrada
audio
Saída
transcription
API

Parâmetros de API compatíveis

Provedores disponíveis

1 Provedor

Verificado: 16 de setembro de 2026

Provedores ao vivo no OpenRouter

Disponibilidade, latência, throughput e roteamento mudam continuamente. Consulte a fonte para dados atuais.

OpenRouter

Azure

Não informado
Contexto
Não informado
Saída máxima
Não informado
microsoft

4 modelos

Todos os 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
Saída
decisions
Entrada: $0.042 por milhão de tokensSaída: Grátis por milhão de tokens
Ver detalhes do 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
Não informado
Entrada
text
Saída
speech
Caracteres: $15 por milhão de caracteres
Ver detalhes do 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
Não informado
Entrada
text
Saída
speech
Caracteres: $22 por milhão de caracteres
Ver detalhes do 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
Saída
image
Entrada: $5 por milhão de tokensSaída de imagem: $38 por milhão de tokens
Ver detalhes do modelo →