Fish Audio: Transcribe 1 mot Microsoft AI: MAI-Transcribe 2
En jämförelse sida vid sida av Fish Audio: Transcribe 1 (0,02 US$ / minut (≈ 0,21 kr)) och Microsoft AI: MAI-Transcribe 2 (21,00 US$ / minut (≈ 205,72 kr)) med aktuella USD-priser och funktioner från api14-katalogen. Båda körs via samma OpenAI-kompatibla API.
Specifikationer
| Fish Audio: Transcribe 1 | Microsoft AI: MAI-Transcribe 2 | |
|---|---|---|
| Leverantör | Fish Audio | Microsoft |
| Ljud | 0,02 US$ / minut (≈ 0,21 kr) | 21,00 US$ / minut (≈ 205,72 kr) |
| Kontextfönster | - | - |
| Max utdata | - | - |
| Indata | audio | audio |
| Utdata | transcription | transcription |
| Verktygsanrop | ||
| Strukturerad utdata | ||
| Styrning av resonemang | ||
| Tillagd | 29 juli 2026 | 3 sep. 2026 |
Viktiga skillnader
- Fish Audio: Transcribe 1 är 100% billigare på indata-tokens.
Mer i detalj
Fish Audio: Transcribe 1 är en transkriberingsmodell från Fish Audio, och Microsoft AI: MAI-Transcribe 2 är en transkriberingsmodell från Microsoft. Båda ligger i samma kategori på api14, så ingen av dem är en allmän chatt- eller resonemangsmodell som du skulle ta till för att skriva text eller svara på frågor. De finns för att ta emot ljud och ge dig en transkribering tillbaka. Fish Audios modell har ett leverantörsutgivningsdatum på 2026-07-29, medan Microsofts har 2026-09-03, så Microsoft-posten är den nyare av de två på papperet.
När det gäller kapacitet är de två närmare varandra än etiketterna antyder. Båda accepterar ljud som sin enda indatamodalitet och båda returnerar transkribering som sin enda utdatamodalitet. Ingen av dem listar en publicerad kontextlängd, så det finns ingen dokumenterad siffra att jämföra för hur mycket ljud eller åtföljande text var och en kan hantera i ett anrop. Ingen av dem listar parametrar som stöds, vilket innebär att det inte finns någon dokumenterad uppsättning reglage som temperatur, språktips eller tidsstämplar att justera på någon av sidorna. Den kvalitativa jämförelsen markerar ingen skillnad för kontextfönster, verktygsanvändning, strukturerad utdata eller resonemang, så inget av dessa skiljer dem åt. Den enda tydliga skillnaden är kostnad: Fish Audio: Transcribe 1 är det billigare alternativet på indata. Utdatapriset är inte markerat som annorlunda, så betrakta de två som ungefär lika där.
För att välja mellan dem följer den praktiska uppdelningen av detta. Om din arbetsbelastning är transkribering i hög volym där indataljud dominerar räkningen är Fish Audio: Transcribe 1 det enkla valet eftersom det är billigare på indata och inget i de listade funktionerna håller det tillbaka. Om du inte har något starkt kostnadstryck och föredrar Microsoft-modellen, eller om ditt team redan standardiserar på Microsoft-verktyg och vill hålla transkribering inom den familjen, är MAI-Transcribe 2 ett rimligt standardval. Eftersom de dokumenterade funktionsuppsättningarna är identiska finns det ingen uppgift i de givna fakta som den ena kan göra och den andra inte, så beslutet handlar om pris och leverantörspreferens snarare än funktioner.
Att anropa endera via api14 fungerar på samma sätt, eftersom gatewayen exponerar ett OpenAI-kompatibelt API. Du skickar ditt ljud till transkriberingsändpunkten med samma förfrågningsform som du skulle använda för alla OpenAI-kompatibla transkriberingsanrop, och det enda som ändras mellan de två modellerna är modell-id:t. Använd "fish-audio/transcribe-1" för att dirigera till Fish Audio-modellen, eller "microsoft/mai-transcribe-2" för att dirigera till Microsoft-modellen. Allt annat i din klientkod, din autentisering och din svarsanalys förblir som det är, så att byta leverantör är en enradsändring och du kan benchmarka båda mot ditt eget ljud utan att skriva om en integration.
Det finns inget fall i de medföljande fakta där den dyrare modellen krävs. Eftersom kontextfönster, verktyg, strukturerad utdata och resonemang alla är markerade som inte annorlunda, och utdatapriset inte särskiljs, tvingar inget dig till MAI-Transcribe 2 av en kapacitetsorsak. Det enda ärliga skälet att välja den framför den billigare Fish Audio-modellen är preferens för leverantören eller ett medvetet val att betala mer, inte en funktionslucka.
Byt med en sträng
Båda modellerna använder samma endpoint och anropsformat. Ändra model-värdet från "fish-audio/transcribe-1" till "microsoft/mai-transcribe-2", promptar, streaming och verktyg fortsätter att fungera.
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);
Fler jämförelser
- AssemblyAI: Universal-3.6 Pro mot Mistral: Voxtral Mini Transcribe 3
- AssemblyAI: Universal-3.6 Pro mot Mistral: Voxtral Small Transcribe 3
- AssemblyAI: Universal-3.6 Pro mot Moondream: Parakeet Ultra
- AssemblyAI: Universal-3.6 Pro mot NVIDIA: Nemotron 3.5 Transcribe
- Mistral: Voxtral Mini Transcribe 3 mot Mistral: Voxtral Small Transcribe 3
- Mistral: Voxtral Mini Transcribe 3 mot Moondream: Parakeet Ultra
- Mistral: Voxtral Mini Transcribe 3 mot NVIDIA: Nemotron 3.5 Transcribe
- Mistral: Voxtral Small Transcribe 3 mot Moondream: Parakeet Ultra