Microsoft ha reducido el precio de la transcripción de voz impulsada por IA en un 72 por ciento con el lanzamiento de MAI-Transcribe-2, un nuevo modelo de su unidad interna de IA de Microsoft que, según la compañía, supera a OpenAI, Google y ElevenLabs tanto en precisión como en velocidad. El modelo, lanzado el 3 de septiembre de 2026, tiene un precio de solo 0,10 dólares por hora de audio hasta el 31 de diciembre de 2026, una fuerte caída con respecto a los 0,36 dólares por hora que Microsoft cobró por su modelo anterior MAI-Transcribe-1.5 en junio.
La medida es la señal más clara hasta ahora de que la división de IA de Microsoft de Mustafa Suleyman, construida alrededor del equipo que Microsoft contrató de Inflection AI en marzo de 2024, tiene la intención de competir directamente con los socios y rivales en los que alguna vez confió. Para los desarrolladores que siguen los rápidos cambios económicos de las API de IA, AI Buzz Wire cubre todos los lanzamientos importantes de herramientas de IA a medida que ocurren.
Los números detrás del recorte de precios
Según la publicación de lanzamiento de Microsoft y la cobertura de referencia de VentureBeat, MAI-Transcribe-2 ocupa el primer lugar en la referencia multilingüe FLEURS en 60 idiomas, con una tasa promedio de error de palabras del 5,2 por ciento. En la tabla de clasificación independiente sin transmisión de Artificial Analysis, el modelo registra una tasa de error de palabras del 2,0 por ciento y ocupa el segundo lugar en términos de precisión, solo detrás de la vista previa Fun-Realtime-ASR de Alibaba.
La velocidad es donde Microsoft afirma que realmente se abre la brecha. Según las evaluaciones de análisis artificial, la compañía dice que MAI-Transcribe-2 se ejecuta 10 veces más rápido que GPT-Transcribe de OpenAI, 7 veces más rápido que Scribe v2 de ElevenLabs y 5 veces más rápido que Gemini 3.5 Transcribe de Google. Actualmente, Artificial Analysis enumera el modelo con un factor de velocidad medio de 410,7, lo que significa que una hora de audio puede volver a transcribirse en aproximadamente nueve a diez segundos.
Qué puede hacer el modelo
Más allá de la velocidad y el precio brutos, la lista de funciones está dirigida a cargas de trabajo de producción en lugar de demostraciones. Disponible a través de Microsoft Foundry, MAI Playground y OpenRouter, MAI-Transcribe-2 admite la identificación automática de idioma, el cambio de código entre idiomas a mitad de una frase, la diarioización del hablante, las marcas de tiempo a nivel de palabra, la preferencia de palabras clave y los estilos de transcripción configurables.
Esas características deciden si una transcripción es realmente utilizable en entornos donde la transcripción genera dinero: centros de llamadas que envían quejas de clientes, clínicas que documentan visitas, salas de redacción que procesan entrevistas y salas de reuniones donde varias personas hablan entre sí. El sesgo de palabras clave, en particular, permite a los desarrolladores enseñar al modelo vocabulario específico del dominio (nombres de medicamentos, SKU de productos, términos legales) sin volver a capacitar nada.
Una estrategia deliberada de la tienda de Suleyman
MAI-Transcribe-2 es el segundo modelo de transcripción de Microsoft AI en tres meses. MAI-Transcribe-1 se lanzó a $0,36 por hora, y MAI-Transcribe-1.5 le siguió en junio con soporte para 43 idiomas y un tercer lugar en análisis artificial. El nuevo modelo amplía la cobertura a 60 idiomas y reduce el precio en más de dos tercios.
La unidad envió anteriormente MAI-1 para texto y MAI-Voice-1 para generación de voz, junto con modelos recientes de ciberseguridad e imágenes. Lo que está notoriamente ausente en el lanzamiento es cualquier mención de Copilot u OpenAI, algo notable dada la inversión multimillonaria de Microsoft en OpenAI y su historial de enrutar funciones de IA a través de esa asociación. En cambio, Microsoft está vendiendo un modelo con la marca Microsoft que compite cara a cara con el propio producto de transcripción de OpenAI.
Una guerra de precios en la IA del habla
El mercado de transcripción se ha convertido silenciosamente en uno de los rincones más competitivos de la IA aplicada, y la presión sobre los precios es real: Microsoft señala que la tarifa promocional de 0,10 dólares vence el 31 de diciembre de 2026, lo que funciona como incentivo para el cliente y como advertencia a los competidores sobre hacia dónde se dirigen los precios.
Para las nuevas empresas en el espacio, las matemáticas son brutales. Si un hiperescalador puede ofrecer una precisión de primer nivel a una décima de dólar por hora de audio mientras procesa una hora de audio en segundos, los proveedores de transcripción respaldados por empresas deben encontrar valor en la especialización vertical, la integración del flujo de trabajo o las garantías de privacidad, o quedar eliminados por completo del mercado.
Para los compradores, mientras tanto, el mensaje es más simple de lo que ha sido en años: el reconocimiento de voz de última generación ahora cuesta menos de diez centavos la hora y cada vez es más barato.
Manténgase por delante de la IA
Cada semana se lanzan nuevas herramientas de inteligencia artificial y los ganadores y perdedores cambian rápidamente. Siga AI Buzz Wire para obtener cobertura independiente del mercado de herramientas de IA.
Lea las últimas noticias sobre IA →
