Fish Audio: Transcribe 1 contra Microsoft AI: MAI-Transcribe 2
Uma comparação lado a lado entre Fish Audio: Transcribe 1 (US$ 0,02 / minuto (≈ R$ 0,11)) e Microsoft AI: MAI-Transcribe 2 (US$ 21,00 / minuto (≈ R$ 114,83)) com preços em USD e recursos atuais do catálogo do api14. Os dois funcionam pela mesma API compatível com OpenAI.
Especificações
| Fish Audio: Transcribe 1 | Microsoft AI: MAI-Transcribe 2 | |
|---|---|---|
| Provedor | Fish Audio | Microsoft |
| Áudio | US$ 0,02 / minuto (≈ R$ 0,11) | US$ 21,00 / minuto (≈ R$ 114,83) |
| Janela de contexto | - | - |
| Saída máxima | - | - |
| Entrada | audio | audio |
| Saída | transcription | transcription |
| chamada de ferramentas | ||
| Saída estruturada | ||
| Controle de raciocínio | ||
| Adicionado em | 29 de jul. de 2026 | 3 de set. de 2026 |
Principais diferenças
- Fish Audio: Transcribe 1 é 100% mais barato nos tokens de entrada.
Em detalhe
Fish Audio: Transcribe 1 é um modelo de transcrição da Fish Audio, e Microsoft AI: MAI-Transcribe 2 é um modelo de transcrição da Microsoft. Ambos estão na mesma categoria no api14, portanto nenhum dos dois é um modelo geral de chat ou raciocínio que você usaria para redigir texto ou responder perguntas. Eles existem para receber áudio e devolver uma transcrição. O modelo da Fish Audio tem data de lançamento do provedor em 2026-07-29, enquanto o da Microsoft tem 2026-09-03, então a entrada da Microsoft é a mais recente das duas no papel.
Em capacidades, os dois são mais próximos do que os rótulos sugerem. Ambos aceitam áudio como sua única modalidade de entrada e ambos retornam transcrição como sua única modalidade de saída. Nenhum lista um comprimento de contexto publicado, então não há número documentado para comparar quanto de áudio ou texto acompanhante cada um consegue lidar em uma chamada. Nenhum lista parâmetros suportados, o que significa que não há um conjunto documentado de ajustes como temperatura, dicas de idioma ou timestamps para configurar em nenhum dos lados. A comparação qualitativa não marca diferença para janela de contexto, uso de ferramentas, saída estruturada ou raciocínio, então nenhum desses os separa. A única diferença clara é o custo: Fish Audio: Transcribe 1 é a opção mais barata na entrada. O preço de saída não está marcado como diferente, então trate os dois como praticamente iguais nesse aspecto.
Para escolher entre eles, a divisão prática decorre disso. Se sua carga de trabalho é transcrição em alto volume onde o áudio de entrada domina a conta, Fish Audio: Transcribe 1 é a escolha direta porque é mais barato na entrada e nada nas capacidades listadas o impede. Se você não tem forte pressão de custo e prefere o modelo da Microsoft, ou sua equipe já padroniza ferramentas da Microsoft e quer manter a transcrição nessa família, MAI-Transcribe 2 é um padrão razoável. Como os conjuntos de capacidades documentados são idênticos, não há tarefa nos fatos fornecidos que um consiga fazer e o outro não, então a decisão se resume a preço e preferência de provedor, e não a recursos.
Chamar qualquer um dos dois através do api14 funciona da mesma forma, já que o gateway expõe uma API compatível com OpenAI. Você envia seu áudio para o endpoint de transcrição usando o mesmo formato de requisição que usaria para qualquer chamada de transcrição compatível com OpenAI, e a única coisa que muda entre os dois modelos é o id do modelo. Use "fish-audio/transcribe-1" para rotear para o modelo da Fish Audio, ou "microsoft/mai-transcribe-2" para rotear para o modelo da Microsoft. Todo o resto no seu código de cliente, sua autenticação e sua análise de resposta permanece igual, então trocar de provedor é uma mudança de uma linha e você pode comparar os dois com seu próprio áudio sem reescrever uma integração.
Não há caso nos fatos fornecidos em que o modelo mais caro seja necessário. Como janela de contexto, ferramentas, saída estruturada e raciocínio estão todos marcados como sem diferença, e o preço de saída não é distinguido, nada força você a usar o MAI-Transcribe 2 por um motivo de capacidade. A única razão honesta para escolhê-lo em vez do modelo mais barato da Fish Audio é preferência pelo provedor ou uma escolha deliberada de pagar mais, não uma lacuna de recursos.
Troque com uma string
Os dois modelos usam o mesmo endpoint e o mesmo formato de requisição. Mude o valor de model de "fish-audio/transcribe-1" para "microsoft/mai-transcribe-2", prompts, streaming e ferramentas continuam funcionando.
import fs from "node:fs";
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.audio.transcriptions.create({
model: "microsoft/mai-transcribe-2",
file: fs.createReadStream("audio.mp3"),
});
console.log(result.text);
Mais comparações
- AssemblyAI: Universal-3.6 Pro contra Mistral: Voxtral Mini Transcribe 3
- AssemblyAI: Universal-3.6 Pro contra Mistral: Voxtral Small Transcribe 3
- AssemblyAI: Universal-3.6 Pro contra Moondream: Parakeet Ultra
- AssemblyAI: Universal-3.6 Pro contra NVIDIA: Nemotron 3.5 Transcribe
- Mistral: Voxtral Mini Transcribe 3 contra Mistral: Voxtral Small Transcribe 3
- Mistral: Voxtral Mini Transcribe 3 contra Moondream: Parakeet Ultra
- Mistral: Voxtral Mini Transcribe 3 contra NVIDIA: Nemotron 3.5 Transcribe
- Mistral: Voxtral Small Transcribe 3 contra Moondream: Parakeet Ultra