هوش مصنوعی هرمزهرمزورود

Microsoft AI: MAI-Transcribe 2: مدل صوتی

MAI-Transcribe 2 مدلِ گفتار-به-متنِ چندزبانه‌ی Microsoft برای ۶۰ زبان است، با تشخیصِ خودکارِ زبان. از داخل ایران و از طریق هرمز.

قیمت:
$0.001667/minute of audio
نوع:
audio
  • صوت

MAI-Transcribe 2 یک مدلِ گفتار-به-متنِ چندزبانه از Microsoft AI است. از ۶۰ زبان با تشخیصِ خودکارِ زبان پشتیبانی می‌کند و گفتاری را که گوینده در آن زبان‌ها را با هم می‌آمیزد هم رونویسی می‌کند. Microsoft اعلام کرده که این مدل در سنجه‌ی چندزبانه‌ی FLEURS رتبه‌ی نخست را دارد.

هرمز MAI-Transcribe 2 را روی دو مسیر ارائه می‌دهد: مسیرِ سازگار با OpenAI یعنی /v1/audio/transcriptions که متن را در همان پاسخ برمی‌گرداند، و /v1/predictions برای ضبط‌های طولانی که در پس‌زمینه پردازش می‌شوند. در آزمایش‌های ما روی گفتارِ فارسی، رونویسیِ دقیقی تحویل داد.

هزینه به ازای هر دقیقه صدا محاسبه می‌شود؛ نرخِ روز در جدولِ قیمتِ همین صفحه آمده و فقط بابت مصرفِ واقعی پرداخت می‌کنید. هرمز دسترسیِ پایدار به آن را از داخل ایران فراهم می‌کند، بدون نیاز به کارت اعتباری خارجی یا ابزارهای دور زدن تحریم.

MAI-Transcribe 2 is a multilingual speech-to-text model from Microsoft AI, ranked #1 on the FLEURS multilingual benchmark. It supports 60 languages with automatic language identification, code switching for mixed-language speech,...

شروع سریع

curl https://api.hormouz.net/v1/audio/transcriptions \
  -H "Authorization: Bearer ng-YOUR_API_KEY" \
  -F model=microsoft/mai-transcribe-2 \
  -F file=@audio.mp3

مشخصات

سازندهMicrosoft
نوعصدا
پنجره زمینه—
قیمت$0.001667/minute of audio
نوع APItranscriptions

نمونه کد

cURL
curl https://api.hormouz.net/v1/audio/transcriptions \
  -H "Authorization: Bearer ng-YOUR_API_KEY" \
  -F model=microsoft/mai-transcribe-2 \
  -F file=@audio.mp3
Python
from openai import OpenAI
client = OpenAI(api_key="ng-YOUR_API_KEY", base_url="https://api.hormouz.net/v1")
with open("audio.mp3", "rb") as f:
    tr = client.audio.transcriptions.create(model="microsoft/mai-transcribe-2", file=f)
print(tr.text)
JavaScript
import OpenAI from "openai";
import fs from "node:fs";
const client = new OpenAI({ apiKey: "ng-YOUR_API_KEY", baseURL: "https://api.hormouz.net/v1" });
const tr = await client.audio.transcriptions.create({
  model: "microsoft/mai-transcribe-2",
  file: fs.createReadStream("audio.mp3"),
});
console.log(tr.text);

خرید API Microsoft AI: MAI-Transcribe 2 با پرداخت ریالی

  • با کارت بانکی ایرانی اعتبار بخرید؛ کارت ارزی و حساب خارجی لازم نیست.
  • با یک کلید هرمز به Microsoft AI: MAI-Transcribe 2 و بیش از ۶۰۰ مدل دیگر دسترسی دارید و فقط به اندازه‌ی مصرف می‌پردازید.
  • بدون فیلترشکن و بدون خطر بن شدن حساب؛ کافی است آدرس پایه را به api.hormouz.net/v1 تغییر دهید.
ساخت حساب

استفاده از طریق هرمز

با یک کلید API به این مدل و بیش از ۶۰۰ مدل دیگر وصل شوید و مصرف هر مدل را تا سطح هر درخواست ببینید.

درخواست دسترسی شرکتی

سوالات متداول

هزینه‌ی استفاده از MAI-Transcribe 2 چقدر است؟
هزینه به ازای هر دقیقه صدا محاسبه می‌شود؛ نرخِ روز در جدولِ قیمتِ همین صفحه آمده و فقط بابت مصرفِ واقعی پرداخت می‌کنید.
چطور از داخل ایران به MAI-Transcribe 2 دسترسی داشته باشم؟
کافی است در هرمز حساب بسازید و یک کلید API بگیرید. هرمز مسیرِ دسترسیِ پایدار به این مدل را از داخل ایران فراهم می‌کند و نیازی به کارت اعتباری خارجی یا ابزارِ دور زدنِ تحریم ندارید.
چطور MAI-Transcribe 2 را فراخوانی کنم؟
هرمز MAI-Transcribe 2 را روی دو مسیر ارائه می‌دهد. مسیرِ سازگار با OpenAI یعنی POST /v1/audio/transcriptions فایل را به‌صورتِ فیلدِ multipart با نامِ «file»، یا به‌صورتِ JSON در input_audio (با data به‌شکلِ base64 و format) می‌گیرد و {text, usage} را در همان پاسخ برمی‌گرداند. POST /v1/predictions ضبط‌های طولانی را در پس‌زمینه پردازش می‌کند: input.audio یک نشانیِ https یا یک data: URI است و input.language اختیاری است. کدی که برای SDK اوپن‌ای‌آی نوشته شده فقط با تغییرِ آدرسِ پایه کار می‌کند.
آیا MAI-Transcribe 2 فارسی را پشتیبانی می‌کند؟
بله. در آزمایش‌های ما روی گفتارِ فارسی، رونویسیِ دقیقی تحویل داد. برای فارسی، این مدلِ Microsoft را انتخاب کنید؛ نسخه‌ی قدیمی‌ترِ MAI-Transcribe 1.5 فارسی را پشتیبانی نمی‌کند.

به‌روزرسانی: 2026-10-13