Microsoft AI: MAI-Transcribe 2

Microsoft AI: MAI-Transcribe 2 adalah model speech-to-text dari Microsoft, dirilis pada 3 September 2026. Model ini berada di kategori transkripsi, jadi tugasnya sempit dan spesifik: mengubah audio lisan menjadi teks tertulis. Microsoft memposisikannya sebagai sistem multibahasa, dan model ini menempati peringkat pertama pada benchmark multibahasa FLEURS menurut penyedianya. Jika pekerjaan Anda melibatkan ucapan dalam lebih dari satu bahasa, kombinasi dukungan penyedia dan posisi benchmark itu adalah alasan utama untuk melihat model ini dibandingkan model serbaguna.

Model ini menerima audio sebagai input dan mengembalikan transkripsi sebagai output. Model ini mencakup 60 bahasa dan melakukan identifikasi bahasa otomatis, jadi Anda tidak perlu memberi tahu bahasa apa yang sedang diucapkan sebelum mengirim permintaan. Model ini juga menangani code switching, yaitu audio ketika penutur berpindah bahasa dalam rekaman yang sama. Detail yang dipublikasikan tidak mencantumkan panjang konteks dalam token, dan output maksimum diberikan sebagai nol, jadi perlakukan model ini sebagai endpoint transkripsi murni, bukan sesuatu yang bisa Anda beri prompt dengan instruksi teks panjang. Tidak ada parameter permintaan yang didukung yang dicantumkan selain yang diperlukan API untuk mengidentifikasi model dan mengirimkan audio.

Kegunaan praktisnya mengikuti langsung dari kemampuan tersebut. Rekaman rapat dan panggilan di organisasi multibahasa sangat cocok, terutama ketika peserta berganti bahasa di tengah percakapan. Alur kerja media dan podcast dapat menggunakannya untuk menghasilkan transkrip tanpa langkah deteksi bahasa terpisah. Proyek riset dan pengarsipan yang menangani ucapan dalam salah satu dari 60 bahasa yang didukung dapat mengirimkan audio dan menerima teks kembali. Karena identifikasi bahasa bersifat otomatis, tugas batch atas audio campuran bahasa tidak perlu diurutkan atau diberi tag terlebih dahulu.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "microsoft/mai-transcribe-2". Karena antarmukanya mengikuti format OpenAI, klien dan SDK yang sudah ada yang sudah mengarah ke base URL yang kompatibel dengan OpenAI dapat digunakan kembali, dengan audio dikirim sebagai input dan transkripsi dikembalikan dalam respons. Model ini tidak mencantumkan parameter yang didukung, jadi buat permintaan tetap minimal: tetapkan model id, lampirkan audio, dan jangan berasumsi bahwa opsi sampling atau pemformatan akan berpengaruh. Jika suatu parameter tidak dicantumkan sebagai didukung, paling aman untuk tidak menyertakannya.

Mengenai batasan, fakta yang tersedia sedikit. Tidak ada panjang konteks yang dinyatakan dan output maksimum adalah nol, yang menunjukkan model ini tidak dimaksudkan untuk prompting text-in, text-out atau untuk respons yang dihasilkan panjang. Jika tugas Anda memerlukan penalaran atas transkrip, peringkasan, terjemahan, atau pembuatan teks apa pun, model teks adalah pilihan yang lebih baik, dengan MAI-Transcribe 2 digunakan lebih dulu untuk menghasilkan transkrip. Jika audio Anda berada di luar 60 bahasa yang didukung, model ini kemungkinan besar tidak akan membantu.