Час аудио за 10 центов вместо 36

Microsoft AI выпустила в четверг MAI-Transcribe-2 и установила цену 10 центов за час аудио, примерно на 72% ниже 0,36 доллара, которые компания брала за первую модель линейки пять месяцев назад. О релизе сообщает Venturebeat.

Коротко

• В базовый тариф включены разделение говорящих, пословные метки времени, подсказка ключевых слов, автоопределение языка, режимы «дословно» и «чисто», а также переключение языков внутри фразы, включая Hinglish и Spanglish.
• Microsoft заявляет первое место на многоязычном тесте FLEURS со средней долей ошибочных слов 5,2% на 60 языках и второе место в рейтинге Artificial Analysis по точности.
• По оценкам Artificial Analysis, модель работает в 10 раз быстрее OpenAI GPT-Transcribe, в 7 раз быстрее ElevenLabs Scribe v2 и в 5 раз быстрее Google Gemini 3.5 Transcribe.

Цена в 10 центов за час меняет масштаб расходов: при 100 тысячах часов записей колл-центра в год счёт падает с 36 до 10 тысяч долларов. Судя по всему, Microsoft стремится сделать транскрипцию массовым товаром раньше конкурентов и одновременно снять с себя часть платежей за чужие модели в Teams, Nuance и Azure. Вероятно, сильнее всего давление ощутят специализированные поставщики, которые продают разделение говорящих и метки времени отдельными опциями.

За пять месяцев Microsoft AI выпустила три модели распознавания речи и расширила покрытие с 25 языков до 60

MAI-Transcribe-1 вышла 2 апреля с 25 языками по цене 0,36 доллара за час. MAI-Transcribe-1.5 появилась 2 июня: 43 языка, подсказка ключевых слов и третье место в рейтинге Artificial Analysis с долей ошибочных слов 2,4%, позади Alibaba Fun-Realtime-ASR-preview и ElevenLabs Scribe v2.

Средняя доля ошибок на FLEURS при этом выросла: в июне Microsoft приводила 3,7% на 43 языках, теперь 5,2% на 60. FLEURS, опубликованный исследователями Google в 2022 году, собран из начитанных носителями предложений, примерно 12 часов речи на язык, и измеряет чтение, а не спонтанный разговор.

Разработку первой модели Мустафа Сулейман, глава Microsoft AI, в апреле описал The Verge как работу небольшой сфокусированной команды из 10 человек, освобождённой от бюрократии, вокруг которой более крупная группа занималась данными и подрядчиками. По его словам, модель обходилась вдвое дешевле по расходам на GPU, чем другие модели такого уровня.

Microsoft вложила в OpenAI более 13 миллиардов долларов и переводит часть продуктов на собственные модели

Microsoft вложила в OpenAI более 13 миллиардов долларов и размещает её модели в Azure, Office и Copilot. В октябре 2025 года компании перестроили партнёрство: в заявлении Microsoft говорилось о праве самостоятельно или с третьими сторонами двигаться к AGI. В апреле 2026 года соглашение изменили снова, по сообщениям, прекратив эксклюзивный доступ Microsoft к моделям OpenAI и выплаты доли выручки.

В июле Bloomberg сообщал, что Microsoft начала обрабатывать часть пользовательских запросов в Word и Excel собственными моделями MAI, хотя ранее продвигала эти продукты как работающие на технологиях OpenAI и Anthropic. Транскрипция затрагивает Teams, Nuance с её клинической документацией и речевые сервисы Azure, которыми пользуются тысячи корпоративных клиентов.

Марк Бениофф, глава Salesforce, в январе 2025 года говорил CNBC, что Microsoft строит собственный ИИ и в будущем не будет использовать OpenAI, и связывал это с наймом Сулеймана из Inflection AI в марте 2024 года. Salesforce конкурирует с Microsoft и инвестирует в Anthropic.

В релизе названы четыре конкурента, но нет ни Deepgram, ни AssemblyAI

Microsoft сравнивает MAI-Transcribe-2 с OpenAI GPT-Transcribe, Google Gemini 3.5 Transcribe, более старой Whisper V3-Large от OpenAI и ElevenLabs Scribe v2. Специализированные поставщики транскрипции, включая Deepgram, AssemblyAI, Speechmatics и Rev, в релизе не упоминаются, хотя продают распознавание речи корпоративным клиентам уже десять лет.

Единственный конкурент, которого Microsoft не обходит по точности, это Alibaba: её модели держались в лидерах независимых рейтингов большую часть 2026 года. TechCrunch в июле сообщал, что часть американских компаний начала тестировать китайские модели как более дешёвую альтернативу, несмотря на вопросы безопасности.

Подразделение Microsoft AI выпускает модели для изображений, голоса, транскрипции, кода, рассуждений и кибербезопасности. На конференции Build в июне компания представила семь новых моделей MAI в одном докладе, а распространяются они через Microsoft Foundry. MAI-Transcribe-2 доступна там же и в среде тестирования MAI Playground.

Сколько продержится цена в 10 центов

Microsoft называет 10 центов за час стартовым предложением, не указывая ни дату окончания, ни будущий стандартный тариф. В релизе нет данных о потоковой транскрипции в реальном времени, нужной голосовым агентам и живым субтитрам, нет разбивки точности по языкам и нет метрики качества разделения говорящих. Условия хранения аудио и использования его для обучения также не описаны.