La cifra que importa
Meta Superintelligence Labs lanzó Muse Voice Transcribe el 1 de septiembre, y ese mismo día el modelo tomó el primer puesto en la clasificación independiente de voz a texto en streaming de Artificial Analysis.
El modelo une dos tareas que la mayoría de las canalizaciones de transcripción han tratado como pasos separados: la identificación de hablantes, que indica quién habla, y el endpointing, que detecta cuándo alguien termina de hablar. Meta lo entrenó con más de 70 idiomas, 25 de ellos validados en el lanzamiento, y lo diseñó para manejar 20 o más hablantes simultáneos, grabaciones de más de una hora y hablantes que cambian de idioma a mitad de conversación sin necesitar un reinicio manual. El acceso funciona a través de la Model API de Meta a 3 USD por cada 1.000 minutos de audio, lo que equivale a 0,18 USD por hora de audio transcrito.
Lo que las empresas han estado pagando
La mayoría de las empresas que procesan transcripción de llamadas, notas de reuniones o audio de atención al cliente mediante una API pagan hoy, en la práctica, por dos cosas a la vez, aunque la factura solo muestre una: la transcripción en sí y el procesamiento adicional que la convierte en algo útil.
La API Whisper de OpenAI publica un precio de transcripción pura de unos 0,006 USD por minuto, es decir, alrededor de 0,36 USD por hora, con la identificación de hablantes gestionada normalmente como un paso aparte o una herramienta distinta. Azure Speech y Google Speech-to-Text fijan sus tarifas estándar en un rango parecido, a menudo cerca de 1 USD por hora antes de añadir la identificación de hablantes como función o nivel de precio propio. Cada uno de esos montajes obliga a la empresa a pagar dos veces e integrar dos veces por un resultado que Meta ahora entrega como un solo modelo a un solo precio.
| Servicio | Precio por 1.000 minutos | Precio por hora | Identificación de hablantes incluida |
|---|---|---|---|
| Meta Muse Voice Transcribe | 3,00 USD | 0,18 USD | Sí, integrada |
| OpenAI Whisper API (solo transcripción) | ~6,00 USD | ~0,36 USD | No, paso aparte |
| Nivel estándar típico de voz a texto en la nube | ~15-24 USD | ~0,90-1,44 USD | A menudo un complemento aparte |
La cuenta en euros, de forma aproximada
Convertir la tarifa por hora de Meta a euros da una cifra que un equipo financiero de la UE o del Reino Unido puede usar de verdad contra una factura, y ronda los 0,17 euros por hora.
Esa conversión usa un tipo de cambio dólar-euro aproximado cercano a 0,92 y se mueve con el mercado, así que hay que tratarla como una referencia, no como una cifra lista para una orden de compra. Con el mismo cálculo, el precio por cada 1.000 minutos ronda los 2,76 euros. Cualquier empresa que hoy pague notablemente más por transcripción, identificación de hablantes y endpointing juntos tiene, por primera vez, un precio de referencia público con el que comparar su propio contrato de proveedor, en lugar de solo la palabra de un comercial.
Comprar, construir o cambiar
La decisión que tiene delante cualquier equipo de la UE o del Reino Unido que gestione canalizaciones de audio no es si el modelo de Meta resulta impresionante técnicamente, sino si el proveedor actual todavía justifica su sobreprecio ahora que la identificación de hablantes y el endpointing ya no necesitan herramientas separadas.
El modelo ya sostiene funciones reales dentro de los propios productos de Meta, impulsa las funciones de dictado en Mac y la herramienta Muse Code de la empresa, una señal de que el sistema se ha endurecido en producción y no es una demostración pensada para una clasificación. Para un equipo que paga de más por combinar transcripción, etiquetas de hablante y detección de turnos de tres proveedores distintos, esa combinación de precio público y uso real en producción es la parte que merece atención. La función de dictado en Mac es solo el lugar donde la mayoría notará primero el modelo que hay detrás.
Por qué hacemos esto
Hacemos esto por todos los que intentan seguirle el paso a lo que la tecnología le está haciendo a nuestras vidas. Las personas que la construyen, y las personas a las que les ocurre. El Servola Journal existe para que lo que aprendemos les pertenezca a todos ellos.
Nadie nos paga por esto. Sin anuncios, sin muro de pago, gratis para todos. Simplemente creemos que entender lo que nos está pasando a todos no debería depender de quién puede permitirse pagar por ello.
Si esto te ha dado algo hoy, dinos que sigamos. Síguenos, deja un me gusta o escribe un comentario positivo. Leemos todos y cada uno, y son lo que nos mantiene en marcha.
Leer a continuación: Segundo parche del LED, objeción de CNIL sin responder | Texas Sola Ante Meta Ya Supera los 2.000 Millones
