Microsoft は、社内 Microsoft AI 部門の新モデルである MAI-Transcribe-2 の発売により、AI を利用した音声文字起こしの価格を 72% 値下げしました。このモデルは、精度と速度の両方で OpenAI、Google、および Celebrities を上回ると同社は述べています。 2026 年 9 月 3 日に発売されたこのモデルの価格は、2026 年 12 月 31 日まで音声 1 時間あたりわずか 0.10 ドルで、Microsoft が 6 月に以前の MAI-Transcribe-1.5 モデルに請求した 1 時間あたり 0.36 ドルから大幅に値下がりしました。

この動きは、マイクロソフトが2024年3月にInflection AIから雇用したチームを中心に構築されたムスタファ・スレイマン氏のマイクロソフトAI部門が、かつて依存していたパートナーやライバルと直接競争するつもりであることを示すこれまでで最も明らかな兆候だ。 AI Buzz Wire は、AI API の急速に変化する経済状況を追跡している開発者向けに、発売されるすべての主要な AI ツールを取り上げています。

最新のAIニュースは AI Buzz Wire をご覧ください。

値下げの裏にある数字

Microsoft の発表記事と VentureBeat のベンチマーク カバレッジによると、MAI-Transcribe-2 は 60 言語にわたる FLEURS 多言語ベンチマークで第 1 位にランクされ、平均単語エラー率は 5.2% です。 Artificial Analysis の独立した非ストリーミング リーダーボードでは、このモデルは 2.0 パーセントの単語エラー率を記録し、精度では Alibaba の Fun-Realtime-ASR-preview に次いで全体で 2 位にランクされています。

Microsoft が実際にギャップが開くのは速度であると主張しています。同社によると、人工分析の評価に基づいて、MAI-Transcribe-2 は OpenAI の GPT-Transcribe より 10 倍、Celebrities の Scribe v2 より 7 倍、Google の Gemini 3.5 Transcribe より 5 倍高速に動作します。 Artificial Analysis は現在、このモデルの速度係数の中央値が 410.7 であることを示しています。これは、1 時間の音声が約 9 ～ 10 秒で書き起こされることを意味します。

モデルでできること

素の速度と価格を超えて、機能リストはデモではなく実稼働ワークロードを対象としています。 Microsoft Foundry、MAI Playground、OpenRouter を通じて利用できる MAI-Transcribe-2 は、自動言語識別、文中の言語間のコード切り替え、話者ダイアライゼーション、単語レベルのタイムスタンプ、キーワード バイアス、構成可能なトランスクリプト スタイルをサポートしています。

これらの機能は、顧客の苦情をルーティングするコールセンター、訪問を文書化する診療所、インタビューを処理する報道室、複数の人が互いに話す会議室など、文字起こしによって収益が得られる環境で、文字起こしが実際に使用できるかどうかを決定します。特にキーワード バイアスを使用すると、開発者は何も再トレーニングすることなく、モデルのドメイン固有の語彙 (医薬品名、製品 SKU、法律用語) を教えることができます。

スレイマンの店からの意図的な戦略

MAI-Transcribe-2 は、ここ 3 か月で 2 番目の Microsoft AI の文字起こしモデルです。 MAI-Transcribe-1 は 1 時間あたり 0.36 ドルでリリースされ、6 月には MAI-Transcribe-1.5 がリリースされ、43 言語をサポートし、人工分析で 3 位になりました。新しいモデルは、価格を 3 分の 2 以上下げながら、対応言語を 60 言語に拡張します。

このユニットは、これまでにテキスト用の MAI-1 と音声生成用の MAI-Voice-1 に加え、最新のサイバーセキュリティおよび画像モデルを出荷してきました。この発表に明らかに欠けているのは、Copilot や OpenAI についての言及です。これは、Microsoft の OpenAI への数十億ドル投資と、そのパートナーシップを通じて AI 機能をルーティングしてきた歴史を考慮すると、注目に値します。代わりに、Microsoft は OpenAI 独自の文字起こし製品と真っ向から競合する Microsoft ブランドのモデルを販売しています。

音声 AI における価格戦争

トランスクリプション市場は静かに応用 AI の最も競争の激しい分野の 1 つとなっており、価格圧力は現実のものです。Microsoft は、0.10 ドルのプロモーション料金が 2026 年 12 月 31 日に期限切れになると述べています。これは、顧客のインセンティブであると同時に、価格の方向性について競合他社への警告としても機能します。

この分野の新興企業にとって、計算は過酷です。ハイパースケーラーが、1 時間の音声を数秒で処理しながら、音声 1 時間あたり 10 分の 1 ドルでトップクラスの精度を実現できるのであれば、ベンチャー支援の文字起こしベンダーは、垂直専門化、ワークフローの統合、またはプライバシーの保証に価値を見出すか、市場から完全に締め出される必要があります。

一方、購入者にとって、メッセージはここ数年に比べてシンプルになっています。最先端の音声認識のコストは 1 時間あたり 10 セント未満になり、さらに安くなる一方です。

AI の先を行く

新しい AI ツールは毎週リリースされ、勝者と敗者は急速に移り変わります。 AI ツール市場に関する独立した報道については、AI Buzz Wire をフォローしてください。

【最新のAIニュースを読む→】(https://aibuzzwire.news)