Hvad Microsoft udgav, og hvor det placerede sig
Microsoft udgav MAI-Transcribe-2 den 3. september 2026, og modellen fører nu FLEURS, standardbenchmarken for flersproget talegenkendelse på tværs af 60 sprog, med en gennemsnitlig ordfejlrate på 5,2 procent. På Artificial Analysis' separate rangliste kom den ind som nummer to.
Modellen tilføjer talergenkendelse, tidsstempler pr. ord, styring efter nøgleord, konfigurerbare ordrette eller renskrevne transskriptionsstile, sprogskift midt i en sætning og automatisk sprogidentifikation. Den er tilgængelig via Microsoft Foundry, MAI Playground og Open Router.
Tallet, der betyder noget, er prisen, ikke scoren
Microsoft opkræver 0,10 dollar pr. behandlet lydtime, et tidsbegrænset tilbud, der gælder frem til udgangen af 2026. En udtalelse fra Microsoft kaldte den ikke blot virksomhedens hidtil mest kapable transskriptionsmodel, men den mest kapable og effektive blandt konkurrenterne.
En placering i en benchmark kan ethvert laboratorium udfordre med egne tal næste kvartal. En så lav pris fra en virksomhed med Microsofts distribution er sværere at trække tilbage, når kunderne først har bygget deres arbejdsgange op omkring den.
Hastighedssammenligningen, i Microsofts egne tal
Microsofts offentliggjorte hastighedspåstande, sammenlignet med de tre transskriptionsmodeller, virksomheden direkte nævner, ser sådan ud:
| Model | Udbyder | Hastighed vs. MAI-Transcribe-2 |
|---|---|---|
| MAI-Transcribe-2 | Microsoft | Referencepunkt |
| GPT-Transcribe | OpenAI | 10 gange langsommere |
| Scribe v2 | ElevenLabs | 7 gange langsommere |
| Gemini 3.5 Transcribe | 5 gange langsommere |
Dette er Microsofts egne sammenligninger, ikke en uafhængig tredjepartstest, så en virksomhed, der overvejer et skift, bør stadig køre eget lydmateriale gennem hver mulighed, før den beslutter sig.
Hvorfor dette er et margenspørgsmål, ikke kun et modelspørgsmål
Mange europæiske værktøjer sælger tale-til-tekst som en bundtet funktion inde i et produkt til opkaldsoptagelse, mødenoter eller kundeservice, til en pris langt over, hvad ren modeladgang nu koster. Det spænd plejede at være prisen for anstændig nøjagtighed; i stigende grad er det bare leverandørens avance.
En virksomhed, der betaler et månedligt transskriptionsgebyr pr. bruger, har nu et enkelt regnestykke: gang de faktiske månedlige lydtimer med 0,10 dollar, og sammenlign det med, hvad der bliver faktureret. Et stort spænd er en samtale med leverandøren værd, ikke en antagelse om, at gebyret stadig afspejler den underliggende omkostning.
Hagen: en kampagnepris, ikke et gulv
Microsofts egen annoncering rammer selv 0,10 dollar pr. lydtime som tilgængelig frem til udgangen af 2026, ikke som en permanent listepris. Priskrige inden for AI-infrastruktur er vendt lige så hurtigt før, og leverandører, der satte priserne ned for at vinde markedsandel, har sat dem op igen, når andelen var vundet.
Enhver kontrakt eller intern budget bygget dette kvartal på denne pris bør regne med, at den måske ikke holder næste år, og bør indeholde en prisreguleringsklausul eller udtrædelsesklausul i stedet for at behandle kampagnetaksten som grundlaget for en flerårig plan.
Læs videre: Microsoft satser 2,5 mia. på mere end værktøj | Microsoft Sætter Nu Loft Over Egne Ingeniørers AI-Forbrug
