AI TOOLS RADAR
提交产品
全部模型 / MICROSOFT
microsoft logo
microsoft

MicrosoftAI: MAI-Transcribe 2

来源介绍（英文）

MAI-Transcribe 2 is a multilingual speech-to-text model from Microsoft AI, ranked #1 on the FLEURS multilingual benchmark. It supports 60 languages with automatic language identification, code switching for mixed-language speech,...

在 OpenRouter 查看来源
模型概览

模型规格

上下文
暂未提供
最大输出
暂未提供
架构
audio->transcription
分词器
Other
知识截止时间
暂未提供
内容审核
否
OPENROUTER

完整价格

同步自 OpenRouter。Token 价格均按每百万 Token 展示。

音频时长
$0.1
每小时
API

快速调用

在本地设置 OPENROUTER_API_KEY。Python 需安装 requests；JavaScript 在 Node.js 中运行。密钥应保存在服务端。

API 文档

curl --fail-with-body https://openrouter.ai/api/v1/audio/transcriptions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -F 'model=microsoft/mai-transcribe-2' \
  -F 'file=@audio.wav'
能力与模态

输入 → 输出

输入
audio
输出
transcription
API

支持的 API 参数

max_completion_tokensmax_tokenstemperaturetop_p
可用提供方

1 提供方

核验日期: 2026年9月7日

在 OpenRouter 查看实时 Provider

Provider 可用性、延迟、吞吐量和路由会持续变化，请前往来源页面查看实时运行数据。

OpenRouter

Azure

暂未提供
上下文
暂未提供
最大输出
暂未提供
microsoft

4 个模型

全部模型
microsoft logomicrosoft

MicrosoftAI: MAI-Image-2.6

Microsoft's MAI-Image-2.6 is an image generation and editing model available via Azure AI Foundry. It creates images from text prompts and supports image-guided editing across multiple aspect ratios.

上下文
4K
输入
text · image
输出
image
输入: $5 每百万 Token图片输出: $38 每百万 Token
查看模型详情 →
microsoft logomicrosoft

MicrosoftAI: MAI-Image-2.6 Flash

Microsoft's MAI-Image-2.6 Flash is the lower-latency variant of MAI-Image-2.6, available via Azure AI Foundry. It supports image generation and image-guided editing across multiple aspect ratios.

上下文
4K
输入
text · image
输出
image
输入: $1.75 每百万 Token图片输出: $19 每百万 Token
查看模型详情 →
microsoft logomicrosoft

MicrosoftAI: MAI-Image-2.5 Pro

Microsoft's MAI-Image-2.5 is a high-quality image generation model available via Azure AI Foundry. It produces photorealistic and artistic images from text prompts with support for various aspect ratios.

上下文
4K
输入
text · image
输出
image
输入: $5 每百万 Token图片输出: $108 每百万 Token
查看模型详情 →
microsoft logomicrosoft

MicrosoftAI: MAI-Voice-2-Flash

MAI-Voice-2-Flash is a low-latency text-to-speech model from Microsoft for voice agents, assistants, call centers, accessibility, narration, and other interactive applications. It generates expressive 24 kHz mono speech across 15 languages...

上下文
暂未提供
输入
text
输出
speech
字符: $15 每百万字符
查看模型详情 →