Microsoft AI: MAI-Transcribe 1.5

MAI-Transcribe 1.5 est un modèle de reconnaissance vocale de Microsoft AI, publié le 2 juin 2026. Il appartient à la catégorie transcription, il est donc conçu pour une seule tâche : transformer un audio parlé en texte écrit plutôt que de générer une conversation ou du code. Si vous assemblez un pipeline qui commence par la voix, c'est le composant que Microsoft fournit pour cette première étape.

Le modèle prend l'audio en entrée et renvoie une transcription en sortie. Microsoft le décrit comme multilingue, avec une transcription fiable dans 43 langues et diverses conditions audio. Le fournisseur indique qu'il convient aux sous-titres, à la transcription d'appels, au sous-titrage, à l'accessibilité et à d'autres applications vocales. La longueur de contexte n'est pas publiée dans les métadonnées du modèle, et le champ de sortie maximale est indiqué comme zéro, donc la taille de sortie pratique est régie par la longueur de l'audio que vous soumettez et par la gestion propre au service plutôt que par un budget de tokens documenté.

Ces capacités correspondent à un ensemble assez clair de cas d'usage. Si vous avez besoin de sous-titres ou de sous-titres codés pour du contenu enregistré ou en direct, l'accent mis par le modèle sur les sous-titres s'applique directement. La transcription d'appels couvre les archives de centres de contact, les comptes rendus de réunion et les enregistrements de conformité. Les travaux d'accessibilité, comme rendre lisibles des conférences enregistrées ou des vidéos internes, constituent un autre usage adapté. Comme le modèle gère 43 langues, les équipes qui servent un public multilingue peuvent acheminer l'audio dans n'importe laquelle de ces langues via un seul modèle au lieu de maintenir un recognizer distinct par langue. Les applications vocales qui ont besoin d'une couche texte avant un traitement en aval, comme la recherche sur des enregistrements ou le résumé, commencent aussi ici.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "microsoft/mai-transcribe-1.5". Comme le point de terminaison suit le format OpenAI, les bibliothèques clientes et les structures de requête que vous utilisez déjà pour d'autres modèles fonctionneront sans traitement particulier. Notez que ce modèle ne liste aucun paramètre de requête pris en charge, vous devez donc envoyer l'audio avec la structure de requête standard et éviter de supposer que les contrôles d'échantillonnage, la température ou des réglages similaires auront un effet quelconque sur une tâche de transcription.

Les détails fournis contiennent peu d'informations sur les limites strictes, donc considérez la longueur audio et le débit comme des éléments à vérifier auprès du service en direct plutôt qu'à supposer à partir de la documentation. Demandez-vous aussi si un modèle de reconnaissance vocale est réellement ce qu'il vous faut : si votre tâche est la traduction entre langues écrites, ou la génération de texte à partir de la transcription, ce modèle ne couvre que l'étape de reconnaissance et vous aurez besoin d'un autre modèle pour le reste de la chaîne.