Microsoft AI: MAI-Transcribe 2

Microsoft AI: MAI-Transcribe 2 é um modelo de fala para texto da Microsoft, lançado em 3 de setembro de 2026. Ele está na categoria de transcrição, portanto seu trabalho é restrito e específico: transformar áudio falado em texto escrito. A Microsoft o posiciona como um sistema multilíngue, e ele está classificado em primeiro lugar no benchmark multilíngue FLEURS de acordo com o provedor. Se o seu trabalho envolve fala em mais de um idioma, essa combinação de respaldo do provedor e posição em benchmark é o principal motivo para considerar este modelo em vez de um de propósito geral.

O modelo recebe áudio como entrada e retorna uma transcrição como saída. Ele cobre 60 idiomas e realiza identificação automática de idioma, então você não precisa informar qual idioma está sendo falado antes de enviar uma requisição. Ele também lida com alternância de código, ou seja, áudio em que os falantes mudam de idioma dentro da mesma gravação. Os detalhes publicados não listam um comprimento de contexto em tokens, e a saída máxima é dada como zero, então trate o modelo como um endpoint de transcrição puro, e não como algo que você pode instruir com longas instruções de texto. Não há parâmetros de requisição suportados listados além do que a API exige para identificar o modelo e passar o áudio.

Os usos práticos decorrem diretamente dessas capacidades. Gravações de reuniões e chamadas em organizações multilíngues são um encaixe óbvio, particularmente quando os participantes alternam idiomas no meio da conversa. Fluxos de trabalho de mídia e podcast podem usá-lo para produzir transcrições sem uma etapa separada de detecção de idioma. Projetos de pesquisa e arquivamento que lidam com fala em qualquer um dos 60 idiomas suportados podem enviar áudio e receber texto de volta. Como a identificação de idioma é automática, trabalhos em lote sobre áudio em idiomas mistos não precisam ser ordenados ou marcados previamente.

Você chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo "microsoft/mai-transcribe-2". Como a interface segue o formato OpenAI, clientes e SDKs existentes que já apontam para uma URL base compatível com OpenAI podem ser reutilizados, com o áudio enviado como entrada e a transcrição retornada na resposta. O modelo não lista parâmetros suportados, então mantenha as requisições mínimas: defina o id do modelo, anexe o áudio e evite presumir que opções de amostragem ou formatação terão algum efeito. Se um parâmetro não estiver listado como suportado, o mais seguro é deixá-lo de fora.

Sobre limites, os fatos disponíveis são escassos. Não há comprimento de contexto declarado e a saída máxima é zero, o que sugere que o modelo não se destina a prompting de texto para texto nem a respostas geradas longas. Se sua tarefa precisa de raciocínio sobre uma transcrição, sumarização, tradução ou qualquer geração de texto, um modelo de texto é a melhor escolha, com o MAI-Transcribe 2 usado primeiro para produzir a transcrição. Se seu áudio estiver fora dos 60 idiomas suportados, é improvável que este modelo ajude.