Microsoft wis nyuda rega transkripsi wicara sing didhukung AI kanthi 72 persen kanthi diluncurake MAI-Transcribe-2, model anyar saka unit Microsoft AI ing omah sing dikandhakake perusahaan kasebut ngalahake OpenAI, Google, lan ElevenLabs kanthi akurasi lan kacepetan. Model kasebut, sing diluncurake tanggal 3 September 2026, regane mung $ 0.10 saben jam audio nganti 31 Desember 2026 - mudhun banget saka $ 0.36 saben jam sing diisi Microsoft kanggo model MAI-Transcribe-1.5 sadurunge ing wulan Juni.
Pamindhahan kasebut minangka tandha sing paling jelas yen divisi Microsoft AI Mustafa Suleyman, dibangun ing sekitar tim sing disewa Microsoft saka Inflection AI ing Maret 2024, arep bersaing langsung karo mitra lan saingan sing nate diandelake. Kanggo pangembang sing nglacak ekonomi AI AI sing cepet-cepet, AI Buzz Wire nyakup saben peluncuran alat AI utama nalika kedadeyan kasebut.
Angka Konco Rega Potong
Miturut kiriman peluncuran Microsoft lan jangkoan pathokan saka VentureBeat, MAI-Transcribe-2 rangking pisanan ing pathokan multibasa FLEURS ing 60 basa, kanthi tingkat kesalahan tembung rata-rata 5.2 persen. Ing leaderboard non-streaming independen Analisis Artificial, model kasebut ngirim tingkat kesalahan tembung 2.0 persen lan rangking nomer loro kanggo akurasi, mung sawise pratinjau Fun-Realtime-ASR saka Alibaba.
Kacepetan ing ngendi Microsoft ngaku jurang kasebut pancen mbukak. Adhedhasar evaluasi Analisis Buatan, perusahaan kasebut ujar MAI-Transcribe-2 mlaku 10 kaping luwih cepet tinimbang OpenAI's GPT-Transcribe, 7 kaping luwih cepet tinimbang ElevenLabs' Scribe v2, lan 5 kaping luwih cepet tinimbang Google Gemini 3.5 Transcribe. Analisis Artificial saiki nampilake model kanthi faktor kacepetan rata-rata 410.7, tegese audio sajrone jam bisa ditranskripsi maneh sajrone kira-kira sangang nganti sepuluh detik.
Apa Model Bisa Nggawe
Ngluwihi kacepetan lan rega mentah, dhaptar fitur ditujokake kanggo beban kerja produksi tinimbang demo. Kasedhiya liwat Microsoft Foundry, Playground MAI, lan OpenRouter, MAI-Transcribe-2 ndhukung identifikasi basa otomatis, ngalih kode ing antarane basa ing tengah kalimat, diarisasi speaker, cap wektu tingkat tembung, biasing tembung kunci, lan gaya transkrip sing bisa dikonfigurasi.
Fitur kasebut mutusake apa transkrip bener bisa digunakake ing setelan ing ngendi transkripsi entuk dhuwit: pusat panggilan nuntun keluhan pelanggan, klinik sing ndokumentasikake kunjungan, wawancara pangolahan ruang koran, lan ruangan rapat ing ngendi akeh wong ngobrol. Bias kata kunci utamane ngidini pangembang mulang kosakata khusus domain model - jeneng obat, SKU produk, istilah hukum - tanpa nglatih maneh apa-apa.
Strategi sing Disengaja Saka Toko Suleyman
MAI-Transcribe-2 minangka model transkripsi kapindho Microsoft AI ing telung sasi. MAI-Transcribe-1 dibukak ing $0.36 saben jam, lan MAI-Transcribe-1.5 ngiring ing Juni karo support kanggo 43 basa lan peringkat katelu ing Analysis Ponggawa. Model anyar ngluwihi jangkoan menyang 60 basa nalika ngeculake rega luwih saka rong pertiga.
Unit kasebut sadurunge wis dikirim MAI-1 kanggo teks lan MAI-Voice-1 kanggo generasi wicara, bebarengan karo cybersecurity anyar lan model gambar. Sing ora jelas saka peluncuran kasebut yaiku nyebutake Copilot utawa OpenAI - sing misuwur amarga investasi pirang-pirang milyar dolar Microsoft ing OpenAI lan riwayat rute fitur AI liwat kemitraan kasebut. Nanging, Microsoft adol model merek Microsoft sing saingan langsung karo produk transkripsi OpenAI dhewe.
Perang Price ing Speech AI
Pasar transkripsi kanthi tenang dadi salah sawijining pojok AI sing paling kompetitif, lan tekanan rega kasebut nyata: Microsoft nyathet tarif promosi $0.10 kadaluwarsa tanggal 31 Desember 2026, sing fungsine minangka insentif pelanggan lan peringatan marang pesaing babagan arah rega.
Kanggo wiwitan ing papan, matématika iku brutal. Yen hyperscaler bisa ngirim akurasi tingkat paling dhuwur ing sepuluh dolar saben jam audio nalika ngowahi watara jam audio ing sawetara detik, vendor transkripsi sing didhukung usaha kudu nemokake nilai ing spesialisasi vertikal, integrasi alur kerja, utawa jaminan privasi - utawa dikompres metu saka pasar kabeh.
Kanggo para panuku, pesen kasebut luwih gampang tinimbang taun-taun kepungkur: pangenalan wicara sing paling canggih saiki biaya kurang saka repes saben jam, lan mung luwih murah.
Tetep Ahead saka AI
Alat AI anyar diluncurake saben minggu, lan sing menang lan sing kalah cepet-cepet. Tindakake AI Buzz Wire kanggo jangkoan independen saka pasar alat AI.
Waca warta AI paling anyar →
