Microsoft AI: MAI-Transcribe 1.5

MAI-Transcribe 1.5 è un modello speech-to-text di Microsoft AI, rilasciato il 2 giugno 2026. Si colloca nella categoria trascrizione, quindi è costruito per un solo compito: trasformare audio parlato in testo scritto anziché generare conversazione o codice. Se stai assemblando una pipeline che inizia con la voce, questo è il componente che Microsoft fornisce per quel primo passo.

Il modello prende l'audio come input e restituisce una trascrizione come output. Microsoft lo descrive come multilingue, con trascrizione affidabile in 43 lingue e condizioni audio diverse. Il fornitore osserva che è adatto per sottotitoli, trascrizione di chiamate, sottotitolazione, accessibilità e altre applicazioni abilitate alla voce. La lunghezza del contesto non è pubblicata nei metadati del modello, e il campo di output massimo è elencato come zero, quindi la dimensione pratica dell'output è governata dalla lunghezza dell'audio che invii e dalla gestione del servizio stesso piuttosto che da un budget di token documentato.

Queste capacità si mappano su un insieme abbastanza chiaro di casi d'uso. Se hai bisogno di sottotitoli o didascalie per materiale registrato o dal vivo, l'attenzione del modello per sottotitoli e didascalie si applica direttamente. La trascrizione di chiamate copre archivi di contact centre, note di riunioni e registrazioni di conformità. Anche il lavoro di accessibilità, come rendere leggibili talk registrati o video interni, è adatto. Poiché il modello gestisce 43 lingue, i team che servono pubblici multilingue possono instradare l'audio in una qualsiasi di quelle lingue attraverso un singolo modello invece di mantenere un riconoscitore separato per ogni locale. Anche le applicazioni abilitate alla voce che necessitano di uno strato di testo prima dell'elaborazione a valle, come la ricerca su registrazioni o la summarizzazione, partono da qui.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando l'id del modello "microsoft/mai-transcribe-1.5". Poiché l'endpoint segue il formato OpenAI, le librerie client esistenti e le strutture di richiesta che già usi per altri modelli funzioneranno senza gestione speciale. Nota che questo modello non elenca parametri di richiesta supportati, quindi dovresti inviare l'audio con la struttura di richiesta standard ed evitare di presumere che i controlli di campionamento, la temperatura o manopole simili abbiano qualche effetto su un compito di trascrizione.

Non c'è molto nei dettagli forniti sui limiti rigidi, quindi considera la lunghezza dell'audio e il throughput come cose da verificare rispetto al servizio live piuttosto che assumerle dalla documentazione. Considera anche se un modello speech-to-text è ciò di cui hai bisogno: se il tuo compito è la traduzione tra lingue scritte, o la generazione di testo sulla trascrizione, questo modello copre solo il passo di riconoscimento e avrai bisogno di un altro modello per il resto della catena.