Microsoft ha tagliato il prezzo della trascrizione vocale basata sull'intelligenza artificiale del 72% con il lancio di MAI-Transcribe-2, un nuovo modello della sua unità interna di intelligenza artificiale di Microsoft che, secondo la società, batte OpenAI, Google ed ElevenLabs sia in termini di precisione che di velocità. Il modello, lanciato il 3 settembre 2026, ha un prezzo di soli $ 0,10 per ora audio fino al 31 dicembre 2026: un forte calo rispetto ai $ 0,36 l’ora addebitati da Microsoft per il suo precedente modello MAI-Transcribe-1.5 a giugno.

La mossa è il segno più chiaro che la divisione Microsoft AI di Mustafa Suleyman, costruita attorno al team che Microsoft ha assunto da Inflection AI nel marzo 2024, intende competere direttamente con i partner e i rivali su cui un tempo faceva affidamento. Per gli sviluppatori che seguono i rapidi cambiamenti economici delle API IA, AI Buzz Wire copre tutti i principali lanci di strumenti IA in tempo reale.

I numeri dietro il taglio dei prezzi

Secondo il post di lancio di Microsoft e la copertura benchmark di VentureBeat, MAI-Transcribe-2 è al primo posto nel benchmark multilingue FLEURS in 60 lingue, con un tasso medio di errore di parola del 5,2%. Nella classifica indipendente non-streaming di Artificial Analysis, il modello registra un tasso di errore di parola del 2,0% e si colloca al secondo posto in generale per precisione, dietro solo all'anteprima Fun-Realtime-ASR di Alibaba.

La velocità è il punto in cui Microsoft afferma che il divario si apre davvero. Sulla base delle valutazioni dell'analisi artificiale, la società afferma che MAI-Transcribe-2 funziona 10 volte più velocemente di GPT-Transcribe di OpenAI, 7 volte più veloce di Scribe v2 di ElevenLabs e 5 volte più veloce di Gemini 3.5 Transcribe di Google. Artificial Analysis attualmente elenca il modello con un fattore di velocità mediano di 410,7, il che significa che un'ora di audio può essere trascritta in circa nove-dieci secondi.

Cosa può fare il modello

Al di là della velocità e del prezzo, l'elenco delle funzionalità è rivolto ai carichi di lavoro di produzione piuttosto che alle demo. Disponibile tramite Microsoft Foundry, MAI Playground e OpenRouter, MAI-Transcribe-2 supporta l'identificazione automatica della lingua, il cambio di codice tra le lingue a metà frase, la diarizzazione dell'oratore, i timestamp a livello di parola, la differenziazione delle parole chiave e gli stili di trascrizione configurabili.

Queste funzionalità determinano se una trascrizione è effettivamente utilizzabile negli ambienti in cui la trascrizione guadagna denaro: call center che instradano i reclami dei clienti, cliniche che documentano le visite, redazioni che elaborano interviste e sale riunioni in cui più persone parlano tra loro. La differenziazione delle parole chiave, in particolare, consente agli sviluppatori di insegnare al modello il vocabolario specifico del dominio (nomi dei farmaci, SKU dei prodotti, termini legali) senza dover riqualificare nulla.

Una strategia deliberata dal negozio di Suleyman

MAI-Transcribe-2 è il secondo modello di trascrizione di Microsoft AI in tre mesi. MAI-Transcribe-1 è stato lanciato a 0,36 dollari l'ora, seguito a giugno da MAI-Transcribe-1.5 con supporto per 43 lingue e un terzo posto nella classifica per l'analisi artificiale. Il nuovo modello estende la copertura a 60 lingue riducendo il prezzo di oltre due terzi.

L’unità ha precedentemente fornito MAI-1 per il testo e MAI-Voice-1 per la generazione vocale, insieme ai recenti modelli di sicurezza informatica e immagini. Ciò che è evidentemente assente dal lancio è qualsiasi menzione di Copilot o OpenAI, degno di nota dato l'investimento multimiliardario di Microsoft in OpenAI e la sua storia di instradamento di funzionalità AI attraverso quella partnership. Invece, Microsoft sta vendendo un modello con marchio Microsoft che compete testa a testa con il prodotto di trascrizione di OpenAI.

Una guerra dei prezzi nell'intelligenza artificiale vocale

Il mercato della trascrizione è diventato silenziosamente uno degli angoli più competitivi dell’intelligenza artificiale applicata e la pressione sui prezzi è reale: Microsoft nota che la tariffa promozionale di $ 0,10 scade il 31 dicembre 2026, che funziona sia come incentivo per i clienti che come avvertimento per i concorrenti su dove stanno andando i prezzi.

Per le startup nel settore, i conti sono brutali. Se un hyperscaler è in grado di fornire una precisione di alto livello a un decimo di dollaro per ora di audio e di riprodurre un’ora di audio in pochi secondi, i fornitori di trascrizioni sostenuti da venture capital devono trovare valore nella specializzazione verticale, nell’integrazione del flusso di lavoro o nelle garanzie sulla privacy, o essere completamente compressi dal mercato.

Per gli acquirenti, nel frattempo, il messaggio è più semplice di quanto non sia stato negli anni: il riconoscimento vocale all’avanguardia ora costa meno di un centesimo l’ora, e sta diventando sempre più economico.

Stai al passo con l'intelligenza artificiale

Ogni settimana vengono lanciati nuovi strumenti di intelligenza artificiale e i vincitori e i vinti cambiano rapidamente. Segui AI Buzz Wire per una copertura indipendente del mercato degli strumenti di intelligenza artificiale.

Leggi le ultime notizie sull'IA →