A Microsoft reduziu o preço da transcrição de fala baseada em IA em 72 por cento com o lançamento do MAI-Transcribe-2, um novo modelo de sua unidade interna de IA da Microsoft que, segundo a empresa, supera OpenAI, Google e ElevenLabs em precisão e velocidade. O modelo, lançado em 3 de setembro de 2026, custa apenas US$ 0,10 por hora de áudio até 31 de dezembro de 2026 – uma queda acentuada em relação aos US$ 0,36 por hora que a Microsoft cobrou por seu modelo anterior MAI-Transscribe-1.5 em junho.
A mudança é o sinal mais claro de que a divisão Microsoft AI de Mustafa Suleyman, construída em torno da equipe que a Microsoft contratou da Inflection AI em março de 2024, pretende competir diretamente com os parceiros e rivais dos quais antes confiava. Para desenvolvedores que acompanham as rápidas mudanças econômicas das APIs de IA, o AI Buzz Wire cobre todos os principais lançamentos de ferramentas de IA conforme eles acontecem.
Os números por trás do corte de preços
De acordo com o post de lançamento da Microsoft e a cobertura de benchmark do VentureBeat, o MAI-Transcribe-2 ocupa o primeiro lugar no benchmark multilíngue FLEURS em 60 idiomas, com uma taxa média de erro de palavras de 5,2%. Na tabela de classificação independente de não streaming da Artificial Analysis, o modelo registra uma taxa de erro de palavras de 2,0 por cento e ocupa o segundo lugar geral em precisão, atrás apenas da visualização Fun-Realtime-ASR do Alibaba.
A velocidade é onde a Microsoft afirma que a lacuna realmente se abre. Com base em avaliações de análise artificial, a empresa afirma que o MAI-Transcribe-2 é executado 10 vezes mais rápido que o GPT-Transcribe da OpenAI, 7 vezes mais rápido que o Scribe v2 da ElevenLabs e 5 vezes mais rápido que o Gemini 3.5 Transcribe do Google. A Análise Artificial atualmente lista o modelo com um fator de velocidade médio de 410,7, o que significa que uma hora de áudio pode ser transcrita em cerca de nove a dez segundos.
O que o modelo pode fazer
Além da velocidade e do preço brutos, a lista de recursos é voltada para cargas de trabalho de produção, e não para demonstrações. Disponível através do Microsoft Foundry, MAI Playground e OpenRouter, o MAI-Transcribe-2 oferece suporte à identificação automática de idioma, alternância de código entre idiomas no meio da frase, diarização do locutor, carimbos de data/hora em nível de palavra, polarização de palavras-chave e estilos de transcrição configuráveis.
Esses recursos decidem se uma transcrição é realmente utilizável em ambientes onde a transcrição gera receita: call centers encaminhando reclamações de clientes, clínicas documentando visitas, redações processando entrevistas e salas de reuniões onde várias pessoas conversam entre si. A polarização de palavras-chave, em particular, permite que os desenvolvedores ensinem ao modelo vocabulário específico do domínio – nomes de medicamentos, SKUs de produtos, termos legais – sem retreinar nada.
Uma estratégia deliberada da loja de Suleyman
MAI-Transscribe-2 é o segundo modelo de transcrição da Microsoft AI em três meses. O MAI-Transscribe-1 foi lançado a US$ 0,36 por hora, e o MAI-Transscribe-1.5 foi lançado em junho, com suporte para 43 idiomas e uma classificação em terceiro lugar em Análise Artificial. O novo modelo amplia a cobertura para 60 idiomas e reduz o preço em mais de dois terços.
A unidade já enviou MAI-1 para texto e MAI-Voice-1 para geração de fala, juntamente com modelos recentes de segurança cibernética e imagem. O que está visivelmente ausente no lançamento é qualquer menção ao Copilot ou OpenAI – notável dado o investimento multibilionário da Microsoft em OpenAI e seu histórico de roteamento de recursos de IA por meio dessa parceria. Em vez disso, a Microsoft está vendendo um modelo da marca Microsoft que compete cara a cara com o produto de transcrição da própria OpenAI.
Uma guerra de preços na fala AI
O mercado de transcrição tornou-se silenciosamente um dos cantos mais competitivos da IA aplicada, e a pressão sobre os preços é real: a Microsoft observa que a taxa promocional de US$ 0,10 expira em 31 de dezembro de 2026, o que funciona tanto como um incentivo ao cliente quanto como um alerta aos concorrentes sobre a direção dos preços.
Para startups do setor, a matemática é brutal. Se um hiperescalador puder fornecer precisão de alto nível a um décimo de dólar por hora de áudio e, ao mesmo tempo, gerar uma hora de áudio em segundos, os fornecedores de transcrição apoiados por capital de risco devem encontrar valor na especialização vertical, integração de fluxo de trabalho ou garantias de privacidade – ou serão totalmente eliminados do mercado.
Para os compradores, entretanto, a mensagem é mais simples do que tem sido há anos: o reconhecimento de voz de última geração custa agora menos de um centavo por hora e está cada vez mais barato.
Fique à frente da IA
Novas ferramentas de IA são lançadas todas as semanas, e os vencedores e os perdedores mudam rapidamente. Siga AI Buzz Wire para cobertura independente do mercado de ferramentas de IA.
Leia as últimas notícias sobre IA →
