Microsoft AI: MAI-Transcribe 2

Microsoft AI: MAI-Transcribe 2 è un modello speech-to-text di Microsoft, rilasciato il 3 settembre 2026. Si colloca nella categoria trascrizione, quindi il suo compito è ristretto e specifico: trasformare audio parlato in testo scritto. Microsoft lo posiziona come sistema multilingue, ed è classificato primo nel benchmark multilingue FLEURS secondo il provider. Se il tuo lavoro coinvolge parlato in più di una lingua, quella combinazione di supporto del provider e posizionamento nel benchmark è il motivo principale per considerare questo modello invece di uno generico.

Il modello prende audio in input e restituisce una trascrizione in output. Copre 60 lingue ed esegue l'identificazione automatica della lingua, quindi non devi dirgli quale lingua viene parlata prima di inviare una richiesta. Gestisce anche il code switching, ovvero audio in cui i parlanti passano da una lingua all'altra all'interno della stessa registrazione. I dettagli pubblicati non elencano una lunghezza di contesto in token, e l'output massimo è indicato come zero, quindi considera il modello come un endpoint di pura trascrizione piuttosto che qualcosa con cui puoi interagire con lunghe istruzioni testuali. Non sono elencati parametri di richiesta supportati oltre a ciò che l'API richiede per identificare il modello e passare l'audio.

Gli usi pratici derivano direttamente da queste capacità. Le registrazioni di riunioni e chiamate in organizzazioni multilingui sono un adattamento ovvio, in particolare dove i partecipanti cambiano lingua a metà conversazione. I flussi di lavoro su media e podcast possono usarlo per produrre trascrizioni senza un passaggio separato di rilevamento della lingua. Progetti di ricerca e archiviazione che trattano parlato in una qualsiasi delle 60 lingue supportate possono inviare audio e ricevere testo indietro. Poiché l'identificazione della lingua è automatica, i processi batch su audio multilingue non devono essere ordinati o etichettati in anticipo.

Chiami il modello tramite l'API compatibile con OpenAI di api14 usando il model id "microsoft/mai-transcribe-2". Poiché l'interfaccia segue il formato OpenAI, i client e gli SDK esistenti che già puntano a un base URL compatibile con OpenAI possono essere riutilizzati, con l'audio inviato come input e la trascrizione restituita nella risposta. Il modello non elenca parametri supportati, quindi mantieni le richieste minime: imposta il model id, allega l'audio ed evita di presumere che opzioni di campionamento o formattazione abbiano qualche effetto. Se un parametro non è elencato come supportato, è più sicuro ometterlo.

Sui limiti, i fatti disponibili sono scarsi. Non c'è una lunghezza di contesto dichiarata e l'output massimo è zero, il che suggerisce che il modello non è pensato per il prompting text-in, text-out o per risposte generate lunghe. Se il tuo compito richiede ragionamento su una trascrizione, riassunto, traduzione o qualsiasi generazione di testo, un modello testuale è la scelta migliore, con MAI-Transcribe 2 usato prima per produrre la trascrizione. Se il tuo audio è al di fuori delle 60 lingue supportate, è improbabile che questo modello sia d'aiuto.