Η Microsoft μείωσε την τιμή της μεταγραφής ομιλίας με τεχνητή νοημοσύνη κατά 72% με την κυκλοφορία του MAI-Transcribe-2, ενός νέου μοντέλου από την εσωτερική μονάδα Microsoft AI που η εταιρεία λέει ότι ξεπερνά τα OpenAI, Google και ElevenLabs τόσο σε ακρίβεια όσο και σε ταχύτητα. Το μοντέλο, που κυκλοφόρησε στις 3 Σεπτεμβρίου 2026, κοστίζει μόλις 0,10 $ ανά ώρα ήχου έως τις 31 Δεκεμβρίου 2026 — μια απότομη πτώση από τα 0,36 $ ανά ώρα που χρέωνε η Microsoft για το προηγούμενο μοντέλο MAI-Transcribe-1.5 τον Ιούνιο.
Η κίνηση είναι το πιο ξεκάθαρο σημάδι μέχρι τώρα ότι το τμήμα Microsoft AI του Mustafa Suleyman, που δημιουργήθηκε γύρω από την ομάδα που προσέλαβε η Microsoft από το Inflection AI τον Μάρτιο του 2024, σκοπεύει να ανταγωνιστεί άμεσα τους συνεργάτες και τους ανταγωνιστές στους οποίους βασιζόταν κάποτε. Για τους προγραμματιστές που παρακολουθούν τα γρήγορα μεταβαλλόμενα οικονομικά των API AI, το AI Buzz Wire καλύπτει κάθε κυκλοφορία σημαντικών εργαλείων τεχνητής νοημοσύνης όπως συμβαίνει.
Οι αριθμοί πίσω από την περικοπή τιμής
Σύμφωνα με την ανάρτηση εκκίνησης της Microsoft και την κάλυψη συγκριτικής αξιολόγησης από το VentureBeat, το MAI-Transcribe-2 κατέχει την πρώτη θέση στο πολυγλωσσικό σημείο αναφοράς FLEURS σε 60 γλώσσες, με μέσο ποσοστό λάθους λέξεων 5,2 τοις εκατό. Στον ανεξάρτητο leaderboard της Artificial Analysis χωρίς ροή, το μοντέλο δημοσιεύει ποσοστό λάθους λέξης 2,0 τοις εκατό και κατατάσσεται στη δεύτερη θέση συνολικά για ακρίβεια, πίσω μόνο από την προεπισκόπηση Fun-Realtime-ASR της Alibaba.
Η ταχύτητα είναι εκεί που η Microsoft ισχυρίζεται ότι το χάσμα ανοίγει πραγματικά. Με βάση τις αξιολογήσεις της Τεχνητής Ανάλυσης, η εταιρεία λέει ότι το MAI-Transcribe-2 εκτελείται 10 φορές πιο γρήγορα από το GPT-Transcribe του OpenAI, 7 φορές πιο γρήγορα από το Scribe v2 της ElevenLabs και 5 φορές πιο γρήγορα από το Gemini 3.5 Transcribe της Google. Η Τεχνητή Ανάλυση εμφανίζει αυτήν τη στιγμή το μοντέλο με συντελεστή μέσης ταχύτητας 410,7, που σημαίνει ότι μια ώρα ήχου μπορεί να επανέλθει σε μεταγραφή σε περίπου εννέα έως δέκα δευτερόλεπτα.
Τι μπορεί να κάνει το μοντέλο
Πέρα από την πρωτογενή ταχύτητα και τιμή, η λίστα χαρακτηριστικών στοχεύει σε φόρτους εργασίας παραγωγής και όχι σε επιδείξεις. Διαθέσιμο μέσω του Microsoft Foundry, του MAI Playground και του OpenRouter, το MAI-Transcribe-2 υποστηρίζει αυτόματη αναγνώριση γλώσσας, εναλλαγή κωδικών μεταξύ γλωσσών στη μέση πρόταση, ημερολόγιο ομιλητή, χρονικές σημάνσεις σε επίπεδο λέξης, πόλωση λέξεων-κλειδιών και διαμορφώσιμα στυλ μεταγραφής.
Αυτές οι λειτουργίες καθορίζουν εάν μια μεταγραφή μπορεί πραγματικά να χρησιμοποιηθεί στις ρυθμίσεις όπου η μεταγραφή κερδίζει χρήματα: τηλεφωνικά κέντρα που δρομολογούν παράπονα πελατών, κλινικές που τεκμηριώνουν επισκέψεις, αίθουσες σύνταξης που επεξεργάζονται συνεντεύξεις και αίθουσες συσκέψεων όπου πολλά άτομα συζητούν μεταξύ τους. Ειδικότερα, η μεροληψία λέξεων-κλειδιών επιτρέπει στους προγραμματιστές να διδάσκουν το λεξιλόγιο για συγκεκριμένο τομέα του μοντέλου — ονόματα φαρμάκων, SKU προϊόντων, νομικούς όρους — χωρίς να επανεκπαιδεύσουν τίποτα.
Μια σκόπιμη στρατηγική από το Suleyman's Shop
Το MAI-Transcribe-2 είναι το δεύτερο μοντέλο μεταγραφής της Microsoft AI μέσα σε τρεις μήνες. Το MAI-Transcribe-1 κυκλοφόρησε στα 0,36 $ ανά ώρα και το MAI-Transcribe-1,5 ακολούθησε τον Ιούνιο με υποστήριξη για 43 γλώσσες και μια τρίτη θέση στην Τεχνητή Ανάλυση. Το νέο μοντέλο επεκτείνει την κάλυψη σε 60 γλώσσες, ενώ μειώνει την τιμή κατά περισσότερο από τα δύο τρίτα.
Η μονάδα έχει αποστείλει στο παρελθόν το MAI-1 για κείμενο και το MAI-Voice-1 για τη δημιουργία ομιλίας, μαζί με πρόσφατα μοντέλα κυβερνοασφάλειας και εικόνας. Αυτό που απουσιάζει εμφανώς από την κυκλοφορία είναι οποιαδήποτε αναφορά στο Copilot ή το OpenAI — αξιοσημείωτο δεδομένης της επένδυσης πολλών δισεκατομμυρίων δολαρίων της Microsoft στο OpenAI και της ιστορίας της δρομολόγησης χαρακτηριστικών AI μέσω αυτής της συνεργασίας. Αντίθετα, η Microsoft πουλά ένα μοντέλο με την επωνυμία της Microsoft που ανταγωνίζεται σώμα με σώμα με το δικό του προϊόν μεταγραφής του OpenAI.
Ένας πόλεμος τιμών στο Speech AI
Η αγορά μεταγραφής έχει γίνει αθόρυβα μια από τις πιο ανταγωνιστικές γωνιές της εφαρμοσμένης τεχνητής νοημοσύνης και η πίεση τιμολόγησης είναι πραγματική: η Microsoft σημειώνει ότι η τιμή προσφοράς 0,10 $ λήγει στις 31 Δεκεμβρίου 2026, η οποία λειτουργεί τόσο ως κίνητρο πελατών όσο και ως προειδοποίηση προς τους ανταγωνιστές σχετικά με το πού κατευθύνονται οι τιμές.
Για τις startups στο χώρο, τα μαθηματικά είναι βάναυσα. Εάν ένας υπερκλιμακωτής μπορεί να προσφέρει κορυφαία ακρίβεια στο ένα δέκατο του δολαρίου ανά ώρα ήχου ενώ γυρίζει γύρω από μια ώρα ήχου σε δευτερόλεπτα, οι προμηθευτές μεταγραφής που υποστηρίζονται από εγχειρήματα πρέπει να βρουν αξία στην κάθετη εξειδίκευση, την ενσωμάτωση ροής εργασιών ή εγγυήσεις απορρήτου — ή να αποσυρθούν εντελώς από την αγορά.
Για τους αγοραστές, εν τω μεταξύ, το μήνυμα είναι απλούστερο από ό,τι ήταν εδώ και χρόνια: η υπερσύγχρονη αναγνώριση ομιλίας κοστίζει τώρα λιγότερο από μια δεκάρα την ώρα και γίνεται μόνο φθηνότερη.
Μείνετε μπροστά από την τεχνητή νοημοσύνη
Νέα εργαλεία τεχνητής νοημοσύνης κυκλοφορούν κάθε εβδομάδα και οι νικητές και οι ηττημένοι αλλάζουν γρήγορα. Ακολουθήστε το AI Buzz Wire για ανεξάρτητη κάλυψη της αγοράς εργαλείων AI.
Διαβάστε τα τελευταία νέα AI →
