Společnost Microsoft snížila cenu přepisu řeči poháněného umělou inteligencí o 72 procent uvedením MAI-Transcribe-2, nového modelu z vlastní jednotky Microsoft AI, který podle společnosti překonává OpenAI, Google a ElevenLabs jak v přesnosti, tak v rychlosti. Model, který byl uveden na trh 3. září 2026, má do 31. prosince 2026 cenu pouhých 0,10 USD za hodinu zvuku – což je prudký pokles oproti 0,36 USD za hodinu, které si Microsoft účtoval za svůj předchozí model MAI-Transcribe-1.5 v červnu.

Tento krok je zatím nejjasnějším znamením, že divize Microsoft AI Mustafy Suleymana, postavená kolem týmu, který Microsoft najal z Inflection AI v březnu 2024, hodlá přímo konkurovat partnerům a soupeřům, na které se kdysi spoléhala. Pro vývojáře, kteří sledují rychle se měnící ekonomiku AI API, AI Buzz Wire pokrývá všechny hlavní nástroje AI, které jsou uváděny na trh.

Čísla stojící za snížením ceny

Podle úvodního příspěvku společnosti Microsoft a pokrytí benchmarku od VentureBeat je MAI-Transcribe-2 na prvním místě ve vícejazyčném benchmarku FLEURS v 60 jazycích s průměrnou chybovostí slov 5,2 procenta. Na nezávislém nestreamingovém žebříčku Artificial Analysis model uvádí 2,0 procenta slovní chybovosti a celkově se řadí na druhé místo z hlediska přesnosti, pouze za náhledem Alibaba Fun-Realtime-ASR.

Rychlost je místo, kde Microsoft tvrdí, že se mezera skutečně otevírá. Na základě hodnocení Artificial Analysis společnost uvádí, že MAI-Transcribe-2 běží 10krát rychleji než GPT-Transcribe od OpenAI, 7krát rychleji než Scribe v2 od ElevenLabs a 5krát rychleji než Gemini 3.5 Transcribe od Googlu. Umělá analýza aktuálně uvádí model se středním rychlostním faktorem 410,7, což znamená, že hodina zvuku se může vrátit přepsaná za zhruba devět až deset sekund.

Co model dokáže

Kromě hrubé rychlosti a ceny je seznam funkcí zaměřen spíše na produkční zátěž než na ukázky. MAI-Transcribe-2, který je dostupný prostřednictvím Microsoft Foundry, MAI Playground a OpenRouter, podporuje automatickou identifikaci jazyka, přepínání kódu mezi jazyky uprostřed věty, diarizaci mluvčího, časová razítka na úrovni slov, ovlivnění klíčových slov a konfigurovatelné styly přepisu.

Tyto funkce rozhodují o tom, zda je přepis skutečně použitelný v prostředí, kde přepis vydělává peníze: call centra směrující stížnosti zákazníků, kliniky dokumentující návštěvy, redakce zpracovávající rozhovory a zasedací místnosti, kde spolu mluví více lidí. Zejména upřednostnění klíčových slov umožňuje vývojářům učit modelovou slovní zásobu specifickou pro doménu – názvy léků, kódy SKU produktů, právní termíny – bez přeškolování.

Záměrná strategie ze Suleyman's Shop

MAI-Transcribe-2 je druhý transkripční model Microsoft AI za tři měsíce. MAI-Transcribe-1 byl uveden na trh za 0,36 $ za hodinu a MAI-Transcribe-1.5 následoval v červnu s podporou 43 jazyků a na třetím místě v žebříčku umělé analýzy. Nový model rozšiřuje pokrytí na 60 jazyků a zároveň snižuje cenu o více než dvě třetiny.

Jednotka již dříve dodávala MAI-1 pro text a MAI-Voice-1 pro generování řeči spolu s nejnovějšími modely kybernetické bezpečnosti a obrazu. Co v uvedení viditelně chybí, je jakákoli zmínka o Copilotu nebo OpenAI – pozoruhodné vzhledem k mnohamiliardovým investicím Microsoftu do OpenAI a jeho historii směrování funkcí AI prostřednictvím tohoto partnerství. Místo toho Microsoft prodává model značky Microsoft, který přímo soutěží s vlastním transkripčním produktem OpenAI.

Cenová válka v řeči AI

Trh s přepisy se v tichosti stal jedním z nejkonkurenceschopnějších koutů aplikované umělé inteligence a tlak na ceny je skutečný: Microsoft poznamenává, že propagační sazba 0,10 USD vyprší 31. prosince 2026, což funguje jako pobídka pro zákazníky i jako varování pro konkurenty o tom, kam ceny směřují.

Pro startupy ve vesmíru je matematika brutální. Pokud hyperscaler dokáže poskytnout špičkovou přesnost za desetinu dolaru za zvukovou hodinu a zároveň otočit hodinu zvuku během několika sekund, musí dodavatelé přepisů podporovaní rizikovými podniky najít hodnotu ve vertikální specializaci, integraci pracovních postupů nebo zárukách ochrany soukromí – nebo se zcela vytlačit z trhu.

Pro kupující je mezitím sdělení jednodušší, než tomu bylo v minulých letech: nejmodernější rozpoznávání řeči nyní stojí méně než desetník na hodinu a je stále levnější.

Udržujte si náskok před AI

Každý týden se spouští nové nástroje umělé inteligence a vítězové a poražení se rychle mění. Sledujte AI Buzz Wire pro nezávislé pokrytí trhu nástrojů AI.

Přečtěte si nejnovější zprávy o AI →