Microsoft har sänkt priset på AI-driven taltranskription med 72 procent i och med lanseringen av MAI-Transcribe-2, en ny modell från sin interna Microsoft AI-enhet som företaget säger slår OpenAI, Google och ElevenLabs på både precision och hastighet. Modellen, som lanserades den 3 september 2026, kostar bara 0,10 USD per ljudtimme till och med 31 december 2026 – en brant nedgång från 0,36 USD per timme som Microsoft tog ut för sin tidigare MAI-Transcribe-1,5-modell i juni.

Flytten är det tydligaste tecknet hittills på att Mustafa Suleymans Microsoft AI-division, byggd kring teamet som Microsoft anlitade från Inflection AI i mars 2024, har för avsikt att konkurrera direkt med de partners och rivaler som den en gång förlitade sig på. För utvecklare som spårar den snabbt föränderliga ekonomin för AI API:er, täcker AI Buzz Wire alla större AI-verktyg som lanseras när det händer.

Siffrorna bakom prissänkningen

Enligt Microsofts lanseringspost och benchmark-täckning från VentureBeat, rankas MAI-Transcribe-2 först på FLEURS flerspråkiga benchmark över 60 språk, med en genomsnittlig ordfelfrekvens på 5,2 procent. På Artificiell analyss oberoende, icke-strömmande topplista, ger modellen en 2,0 procents ordfelfrekvens och rankas på andra plats totalt för noggrannhet, bakom endast Alibabas Fun-Realtime-ASR-förhandsvisning.

Hastigheten är där Microsoft hävdar att klyftan verkligen öppnar sig. Baserat på utvärderingar av artificiell analys, säger företaget att MAI-Transcribe-2 går 10 gånger snabbare än OpenAIs GPT-Transcribe, 7 gånger snabbare än ElevenLabs Scribe v2 och 5 gånger snabbare än Googles Gemini 3.5 Transcribe. Artificiell analys listar för närvarande modellen med en medianhastighetsfaktor på 410,7, vilket innebär att en timmes ljud kan komma tillbaka transkriberat på ungefär nio till tio sekunder.

Vad modellen kan göra

Utöver råhastighet och pris, är funktionslistan inriktad på produktionsbelastning snarare än demos. MAI-Transcribe-2 är tillgängligt via Microsoft Foundry, MAI Playground och OpenRouter och stöder automatisk språkidentifiering, kodväxling mellan språk mitt i meningen, talardiarit, tidsstämplar på ordnivå, sökordsförändring och konfigurerbara transkriptionsstilar.

Dessa funktioner avgör om en utskrift faktiskt är användbar i de inställningar där transkription tjänar pengar: callcenter som dirigerar kundklagomål, kliniker som dokumenterar besök, nyhetsrum som behandlar intervjuer och mötesrum där flera personer pratar om varandra. Särskilt sökordsbiasing låter utvecklare lära ut modellens domänspecifika ordförråd – läkemedelsnamn, produkt-SKU:er, juridiska termer – utan att omskola någonting.

En avsiktlig strategi från Suleyman's Shop

MAI-Transcribe-2 är Microsoft AI:s andra transkriptionsmodell på tre månader. MAI-Transcribe-1 lanserades för $0,36 per timme, och MAI-Transcribe-1,5 följde i juni med stöd för 43 språk och en tredjeplats på artificiell analys. Den nya modellen utökar täckningen till 60 språk samtidigt som priset sänks med mer än två tredjedelar.

Enheten har tidigare skickat MAI-1 för text och MAI-Voice-1 för talgenerering, tillsammans med nyare cybersäkerhets- och bildmodeller. Det som är påfallande frånvarande från lanseringen är något omnämnande av Copilot eller OpenAI – anmärkningsvärt med tanke på Microsofts mångmiljardinvesteringar i OpenAI och dess historia av att dirigera AI-funktioner genom det partnerskapet. Istället säljer Microsoft en Microsoft-märkt modell som konkurrerar head-to-head med OpenAI:s egen transkriptionsprodukt.

Ett priskrig i Speech AI

Transkriptionsmarknaden har i tysthet blivit ett av de mest konkurrenskraftiga hörnen av tillämpad AI, och prispressen är verklig: Microsoft noterar att kampanjpriset på 0,10 USD löper ut den 31 december 2026, vilket fungerar både som ett kundincitament och en varning till konkurrenter om vart priserna är på väg.

För startups i rymden är matematiken brutal. Om en hyperscaler kan leverera högsta noggrannhet till en tiondel av en dollar per ljudtimme samtidigt som den vänder runt en timmes ljud på några sekunder, måste venture-backed transkriptionsleverantörer hitta värde i vertikal specialisering, arbetsflödesintegration eller integritetsgarantier – eller bli helt komprimerade från marknaden.

För köpare är budskapet enklare än det har varit på flera år: taligenkänning i toppklass kostar nu mindre än en krona i timmen, och det blir bara billigare.

Ligg före AI

Nya AI-verktyg lanseras varje vecka, och vinnarna och förlorarna växlar snabbt. Följ AI Buzz Wire för oberoende täckning av marknaden för AI-verktyg.

Läs de senaste AI-nyheterna →