Microsoft a redus prețul transcripției vorbirii bazate pe inteligență artificială cu 72% odată cu lansarea MAI-Transcribe-2, un nou model de la unitatea proprie Microsoft AI despre care compania spune că depășește OpenAI, Google și ElevenLabs atât în ​​ceea ce privește precizia, cât și viteza. Modelul, lansat pe 3 septembrie 2026, are un preț de doar 0,10 USD pe oră audio până la 31 decembrie 2026 - o scădere abruptă față de 0,36 USD pe oră perceput de Microsoft pentru modelul MAI-Transcribe-1.5 anterior în iunie.

Mișcarea este cel mai clar semn de până acum că divizia Microsoft AI a lui Mustafa Suleyman, construită în jurul echipei pe care Microsoft a angajat-o de la Inflection AI în martie 2024, intenționează să concureze direct cu partenerii și rivalii pe care s-a bazat cândva. Pentru dezvoltatorii care urmăresc evoluția economică rapidă a API-urilor AI, AI Buzz Wire acoperă fiecare lansare de instrumente AI majore pe măsură ce se întâmplă.

Cifrele din spatele reducerii prețurilor

Conform postului de lansare și acoperirii benchmark-ului de la Microsoft de la VentureBeat, MAI-Transcribe-2 se află pe primul loc pe benchmark-ul multilingv FLEURS în 60 de limbi, cu o rată medie de eroare a cuvintelor de 5,2%. Pe clasamentul independent de non-streaming al Artificial Analysis, modelul afișează o rată de eroare a cuvintelor de 2,0 la sută și ocupă locul al doilea în general pentru acuratețe, în urma previzualizării Fun-Realtime-ASR de la Alibaba.

Viteza este locul în care Microsoft susține că decalajul se deschide cu adevărat. Pe baza evaluărilor Artificial Analysis, compania spune că MAI-Transcribe-2 rulează de 10 ori mai rapid decât GPT-Transcribe de la OpenAI, de 7 ori mai rapid decât Scribe v2 de la ElevenLabs și de 5 ori mai rapid decât Gemini 3.5 Transcribe de la Google. Analiza artificială listează în prezent modelul cu un factor de viteză median de 410,7, ceea ce înseamnă că o oră de sunet poate reveni transcrisă în aproximativ nouă până la zece secunde.

Ce poate face modelul

Dincolo de viteza brută și preț, lista de funcții vizează mai degrabă sarcinile de producție decât demonstrațiile. Disponibil prin Microsoft Foundry, MAI Playground și OpenRouter, MAI-Transcribe-2 acceptă identificarea automată a limbii, comutarea codului între limbi la mijlocul propoziției, diarizarea vorbitorului, marcajele temporale la nivel de cuvânt, părtinirea cuvintelor cheie și stilurile de transcriere configurabile.

Aceste caracteristici decid dacă o transcriere poate fi de fapt utilizabilă în setările în care transcrierea câștigă bani: centrele de apeluri care direcționează reclamațiile clienților, clinicile care documentează vizitele, redacțiile care procesează interviuri și săli de întâlnire în care mai multe persoane vorbesc între ele. În special, părtinirea cuvintelor cheie le permite dezvoltatorilor să învețe vocabularul specific domeniului model - nume de medicamente, SKU-uri de produse, termeni legali - fără a reinstrui nimic.

O strategie deliberată de la magazinul lui Suleyman

MAI-Transcribe-2 este al doilea model de transcriere Microsoft AI în trei luni. MAI-Transcribe-1 a fost lansat la 0,36 USD pe oră, iar MAI-Transcribe-1,5 a urmat în iunie cu suport pentru 43 de limbi și un clasament pe locul trei în analiza artificială. Noul model extinde acoperirea la 60 de limbi în timp ce scade prețul cu mai mult de două treimi.

Unitatea a livrat anterior MAI-1 pentru text și MAI-Voice-1 pentru generarea de vorbire, împreună cu modele recente de securitate cibernetică și imagini. Ceea ce lipsește în mod evident de la lansare este orice mențiune despre Copilot sau OpenAI - notabilă având în vedere investiția de miliarde de dolari a Microsoft în OpenAI și istoria sa de rutare a funcțiilor AI prin acest parteneriat. În schimb, Microsoft vinde un model cu marca Microsoft care concurează direct cu produsul de transcriere al OpenAI.

Un război al prețurilor în IA vorbirii

Piața transcripțiilor a devenit în liniște unul dintre cele mai competitive colțuri ale AI aplicată, iar presiunea prețurilor este reală: Microsoft observă că rata promoțională de 0,10 USD expiră pe 31 decembrie 2026, care funcționează atât ca un stimulent pentru clienți, cât și ca un avertisment pentru concurenți despre direcția în care se îndreaptă prețurile.

Pentru startup-urile din spațiu, matematica este brutală. Dacă un hyperscaler poate oferi o acuratețe de top cu o zecime de dolar pe oră audio în timp ce transformă o oră de sunet în secunde, furnizorii de transcripții susținuți de risc trebuie să găsească valoare în specializarea verticală, integrarea fluxului de lucru sau garanțiile de confidențialitate - sau să iasă complet din piață.

Pentru cumpărători, între timp, mesajul este mai simplu decât a fost de ani de zile: recunoașterea vorbirii de ultimă generație costă acum mai puțin de un ban pe oră și devine doar mai ieftină.

Rămâi înaintea AI

Noi instrumente AI sunt lansate în fiecare săptămână, iar câștigătorii și învinșii se schimbă rapid. Urmărește AI Buzz Wire pentru o acoperire independentă a pieței instrumentelor AI.

Citiți cele mai recente știri despre AI →