A Microsoft szeptember 3-án tette közzé a MAI-Transcribe-2 hangfelismerési modell nyilvános előnézeti verzióját az Azure Speech platformon. Az előző, öt hónapja megjelent MAI-Transcribe első verziójához képest a bevezető árazás 0,36 dollárról 0,10 dollárra esett hangaránként, 72 százalékos csökkentéssel. A VentureBeat szeptember 4-i elemzése szerint a modell az OpenAI, a Google és az ElevenLabs versenyző megoldásaihoz képest alacsonyabb díjszabáson és magasabb sebességgel dolgozik.
A Microsoft saját FLEURS benchmark-ján a MAI-Transcribe-2 60 nyelven átlagosan 5,2 százalékos szóhiba-arátot (WER) mutat, és az első helyet foglalja el a rangsorban. A sebesség-összehasonlítás szintén a Microsoft közleményéből származik: a vállalat vezető versenytársaihoz képest tízszeres feldolgozási gyorsaságot állít. Ezek a számok a Microsoft saját mérésein alapulnak; a FLEURS leaderboard nyilvánosan elérhető, az eredmény onnan ellenőrizhető.
Befektetői szempontból a fejlemény két szálat érint. Egyrészt az AI-árverseny, amely az elmúlt hónapokban elsősorban a nagy szöveges modellek inferencia-rétegében volt látható, most az AI-szolgáltatások egy specializáltabb szegmensére is átgyűrűzik. A hangfelismerés (ASR) az enterprise piac kulcsalkalmazása: ügyfélszolgálati hívások, megbeszélésjegyzőkönyvek, médiaarchívumok. Ha a piacvezető árazást a Microsoft 0,10 dollár körül stabilizálja, az a szegmens többi szereplőjénél árakra is nyomást helyez.