Microsoft ได้ลดราคาการถอดเสียงพูดที่ขับเคลื่อนด้วย AI ลง 72 เปอร์เซ็นต์ด้วยการเปิดตัว MAI-Transcribe-2 ซึ่งเป็นโมเดลใหม่จากหน่วย Microsoft AI ภายในองค์กรที่บริษัทกล่าวว่าเอาชนะ OpenAI, Google และ ElevenLabs ทั้งในด้านความแม่นยำและความเร็ว โมเดลดังกล่าวเปิดตัวเมื่อวันที่ 3 กันยายน 2026 โดยมีราคาเพียง 0.10 ดอลลาร์ต่อชั่วโมงเสียงจนถึงวันที่ 31 ธันวาคม 2026 ซึ่งลดลงอย่างมากจาก 0.36 ดอลลาร์ต่อชั่วโมงที่ Microsoft เรียกเก็บเงินสำหรับรุ่น MAI-Transcribe-1.5 ก่อนหน้านี้ในเดือนมิถุนายน

ความเคลื่อนไหวนี้เป็นสัญญาณที่ชัดเจนที่สุดว่าแผนก Microsoft AI ของ Mustafa Suleyman ซึ่งสร้างขึ้นจากทีม Microsoft ที่ได้รับการว่าจ้างจาก Inflection AI ในเดือนมีนาคม 2024 ตั้งใจที่จะแข่งขันโดยตรงกับพันธมิตรและคู่แข่งที่ครั้งหนึ่งเคยพึ่งพา สำหรับนักพัฒนาที่ติดตามเศรษฐศาสตร์ที่เปลี่ยนแปลงอย่างรวดเร็วของ AI API นั้น AI Buzz Wire ครอบคลุมทุกเครื่องมือ AI ที่สำคัญที่เปิดตัวทันทีที่เกิดขึ้น

ตัวเลขเบื้องหลังการลดราคา

ตามโพสต์เปิดตัวของ Microsoft และการรายงานเกณฑ์มาตรฐานจาก VentureBeat นั้น MAI-Transcribe-2 ครองอันดับหนึ่งในเกณฑ์มาตรฐานหลายภาษาของ FLEURS ใน 60 ภาษา โดยมีอัตราข้อผิดพลาดของคำโดยเฉลี่ย 5.2 เปอร์เซ็นต์ บนลีดเดอร์บอร์ดอิสระแบบไม่สตรีมมิ่งของ Artificial Analysis แบบจำลองโพสต์อัตราข้อผิดพลาดของคำ 2.0 เปอร์เซ็นต์ และอยู่ในอันดับที่สองในด้านความแม่นยำ ตามหลังตัวอย่าง Fun-Realtime-ASR-preview ของอาลีบาบาเท่านั้น

ความเร็วคือจุดที่ Microsoft อ้างว่าช่องว่างนั้นเปิดขึ้นอย่างแท้จริง จากการประเมินการวิเคราะห์เชิงประดิษฐ์ บริษัทกล่าวว่า MAI-Transcribe-2 ทำงานได้เร็วกว่า GPT-Transcribe ของ OpenAI ถึง 10 เท่า เร็วกว่า Scribe v2 ของ ElevenLabs ถึง 7 เท่า และเร็วกว่า Gemini 3.5 Transcribe ของ Google ถึง 5 เท่า ปัจจุบันการวิเคราะห์เชิงประดิษฐ์แสดงรายการแบบจำลองที่มีค่ามัธยฐานความเร็วอยู่ที่ 410.7 ซึ่งหมายความว่าหนึ่งชั่วโมงของเสียงสามารถถูกถอดเสียงกลับมาได้ในเวลาประมาณเก้าถึงสิบวินาที

สิ่งที่โมเดลสามารถทำได้

นอกเหนือจากความเร็วและราคาที่แท้จริงแล้ว รายการฟีเจอร์นี้มุ่งเป้าไปที่ปริมาณงานการผลิตมากกว่าการสาธิต พร้อมใช้งานผ่าน Microsoft Foundry, MAI Playground และ OpenRouter โดย MAI-Transcribe-2 รองรับการระบุภาษาอัตโนมัติ การสลับรหัสระหว่างภาษากลางประโยค การแยกเสียงของผู้พูด การประทับเวลาระดับคำ การให้น้ำหนักคำหลัก และรูปแบบการถอดเสียงที่กำหนดค่าได้

คุณสมบัติเหล่านั้นจะตัดสินว่าการถอดเสียงใช้งานได้จริงในการตั้งค่าที่การถอดเสียงสร้างรายได้หรือไม่: ศูนย์บริการทางโทรศัพท์ที่แจ้งเส้นทางการร้องเรียนของลูกค้า คลินิกที่บันทึกการเยี่ยมชม ห้องข่าวที่ประมวลผลการสัมภาษณ์ และห้องประชุมที่มีคนหลายคนพูดคุยกัน การให้น้ำหนักคำหลักช่วยให้นักพัฒนาสามารถสอนคำศัพท์เฉพาะโดเมนของโมเดล — ชื่อยา SKU ของผลิตภัณฑ์ เงื่อนไขทางกฎหมาย — โดยไม่ต้องฝึกอบรมอะไรใหม่

กลยุทธ์โดยเจตนาจากร้านของสุไลมาน

MAI-Transcribe-2 เป็นรูปแบบการถอดเสียงครั้งที่สองของ Microsoft AI ในรอบสามเดือน MAI-Transcribe-1 เปิดตัวที่ 0.36 ดอลลาร์ต่อชั่วโมง และ MAI-Transcribe-1.5 ตามมาในเดือนมิถุนายนด้วยการรองรับ 43 ภาษา และอันดับที่สามในด้านการวิเคราะห์เชิงประดิษฐ์ รุ่นใหม่ขยายความครอบคลุมถึง 60 ภาษาในขณะที่ลดราคาลงมากกว่าสองในสาม

ก่อนหน้านี้หน่วยนี้ได้จัดส่ง MAI-1 สำหรับข้อความและ MAI-Voice-1 สำหรับการสร้างคำพูด พร้อมด้วยโมเดลความปลอดภัยทางไซเบอร์และรูปภาพล่าสุด สิ่งที่ขาดไปอย่างเห็นได้ชัดจากการเปิดตัวคือการกล่าวถึง Copilot หรือ OpenAI ซึ่งน่าสังเกตจากการลงทุนหลายพันล้านดอลลาร์ของ Microsoft ใน OpenAI และประวัติความเป็นมาของการกำหนดเส้นทางฟีเจอร์ AI ผ่านความร่วมมือดังกล่าว Microsoft กำลังขายโมเดลที่มีตราสินค้า Microsoft ซึ่งแข่งขันกันแบบตัวต่อตัวกับผลิตภัณฑ์ถอดเสียงของ OpenAI เอง

สงครามราคาใน Speech AI

ตลาดการถอดเสียงได้กลายเป็นหนึ่งในมุมที่มีการแข่งขันสูงที่สุดของ AI ประยุกต์ และความกดดันด้านราคาก็มีอยู่จริง Microsoft ตั้งข้อสังเกตว่าอัตราโปรโมชัน 0.10 ดอลลาร์จะหมดอายุในวันที่ 31 ธันวาคม 2026 ซึ่งทำหน้าที่เป็นทั้งแรงจูงใจของลูกค้าและคำเตือนคู่แข่งเกี่ยวกับทิศทางของราคา

สำหรับสตาร์ทอัพในอวกาศ คณิตศาสตร์เป็นสิ่งที่โหดร้าย หากไฮเปอร์สเกลเลอร์สามารถให้ความแม่นยำระดับสูงสุดที่ 10 ดอลลาร์ต่อชั่วโมงเสียง ในขณะที่เปลี่ยนเสียงประมาณหนึ่งชั่วโมงในไม่กี่วินาที ผู้จำหน่ายการถอดเสียงที่ได้รับการสนับสนุนจากผู้ร่วมทุนจะต้องค้นหาคุณค่าในความเชี่ยวชาญเฉพาะทางในแนวดิ่ง การรวมเวิร์กโฟลว์ หรือการรับประกันความเป็นส่วนตัว หรือไม่ก็ถูกบีบอัดออกจากตลาดโดยสิ้นเชิง

สำหรับผู้ซื้อ ขณะเดียวกัน ข้อความก็เรียบง่ายกว่าที่เคยเป็นมาหลายปี การรู้จำเสียงพูดที่ล้ำสมัยตอนนี้มีราคาต่ำกว่าเล็กน้อยต่อชั่วโมง และราคาถูกลงเท่านั้น

ก้าวนำหน้า AI

เครื่องมือ AI ใหม่เปิดตัวทุกสัปดาห์ และผู้ชนะและผู้แพ้จะเปลี่ยนแปลงอย่างรวดเร็ว ติดตาม AI Buzz Wire เพื่อรับข่าวสารตลาดเครื่องมือ AI อย่างอิสระ

อ่านข่าว AI ล่าสุด →