Каталог моделей
🎙️ Голос🧠 Мультимодальная API
MAI-Transcribe-1
Модель распознавания речи Microsoft. 25 языков включая русский. В 2.5 раза быстрее Azure Fast. Лучший WER на FLEURS, обгоняя Whisper, GPT-Transcribe и Gemini Flash-Lite. Аудиофайлы до 200 МБ.
—
Тарифы
Pay-per-use
$0.36/час аудио
- 25 языков
- Пакетная обработка
- Foundry API
Плюсы и минусы
Плюсы
- Лучшая точность WER на FLEURS
- В 2.5 раза быстрее Azure Fast
- 25 языков включая русский
- Интеграция в Microsoft Foundry
Минусы
- Только speech-to-text
- Доступен только через Azure/Foundry
- MAI Playground только из США
- Закрытый код
Подробный обзор
Вопросы и ответы
Какие языки?+
25 языков: английский, русский, японский, китайский, арабский и другие.
Лучше Whisper?+
Да, наименьший WER на FLEURS и в 2.5 раза быстрее.
Макс размер файла?+
200 МБ.
Бесплатно?+
Можно попробовать в MAI Playground (только США). Коммерчески — $0.36/час.
Похожие модели
Мультимодальная
Muse Spark
Meta
Первая закрытая модель Meta от Superintelligence Labs. Мультимодальная модель рассуждений: текст, изображения, речь. Уникальный Contemplating Mode — мульти-агентная параллельная система. Три режима: Instant, Thinking, Contemplating. Бесплатно через meta.ai.
Бесплатно
Мультимодальная
Llama 3.1 405B
Meta
Крупнейшая открытая языковая модель от Meta с 405 миллиардами параметров. Сопоставима с GPT-4 по возможностям при полной открытости весов.
$—
Мультимодальная
Llama 4 Maverick
Meta
Флагманская MoE-модель Meta со 128 экспертами. 400B параметров, 17B активных. Контекст 1M токенов. Превосходит GPT-4o и Gemini 2.0 Flash. Сопоставима с DeepSeek v3 при вдвое меньшем числе активных параметров.
$0.15/1M input
Мультимодальная
GPT-5.5
OpenAI
Флагман OpenAI от 23.04.2026. GPT-5.5 задаёт SOTA на 14 публичных бенчмарках, обходит Claude Opus 4.7 и Gemini 3.1 Pro. Та же скорость, что у GPT-5.4, но на ~40% меньше токенов на задачу. Особенно силён в агентском коде (Terminal-Bench 2.0 — 82,7%), управлении ОС (OSWorld-Verified — 78,7%), GDPval (84,9%) и FrontierMath. Цена API вдвое выше предшественника. Доступен в ChatGPT и Codex для Plus, Pro, Business, Enterprise. Лидер в Artificial Analysis Intelligence Index (60)
Бесплатно
Мультимодальная
Llama 4 Scout
Meta
MoE-модель Meta с 16 экспертами. 109B параметров, 17B активных. Рекордный контекст 10 миллионов токенов. Текст, изображения, видео. 40 трлн токенов обучения, 200 языков. Llama 4 Community License.
$0.08/1M input