Il numero che conta
Meta Superintelligence Labs ha lanciato Muse Voice Transcribe il 1 settembre, e lo stesso giorno il modello ha conquistato il primo posto nella classifica indipendente di voce-testo in streaming di Artificial Analysis.
Il modello unisce due compiti che la maggior parte delle pipeline di trascrizione ha sempre trattato come fasi separate: il riconoscimento dei parlanti, che indica chi sta parlando, e l'endpointing, che rileva quando qualcuno ha finito di parlare. Meta lo ha addestrato su oltre 70 lingue, 25 delle quali validate al lancio, e lo ha progettato per gestire 20 o più parlanti simultanei, registrazioni più lunghe di un'ora e parlanti che cambiano lingua a metà conversazione senza bisogno di un reset manuale. L'accesso passa dalla Model API di Meta a 3 USD ogni 1.000 minuti di audio, che equivale a 0,18 USD per ora di audio trascritto.
Quanto hanno pagato finora le aziende
La maggior parte delle aziende che gestisce trascrizione di chiamate, note di riunioni o audio dell'assistenza clienti tramite un'API oggi paga, di fatto, due cose insieme, anche se la fattura mostra una sola voce: la trascrizione vera e propria, e l'elaborazione in più che la rende davvero utile.
L'API Whisper di OpenAI pubblica un prezzo di sola trascrizione di circa 0,006 USD al minuto, cioè circa 0,36 USD l'ora, con il riconoscimento dei parlanti gestito di solito come passaggio separato o strumento a parte. Azure Speech e Google Speech-to-Text fissano i loro livelli standard in una fascia simile, spesso vicino a 1 USD l'ora prima di aggiungere l'identificazione dei parlanti come funzione o livello di prezzo a sé. Ognuno di questi assetti costringe l'azienda a pagare due volte e integrare due volte per un risultato che Meta ora offre come un solo modello a un solo prezzo.
| Servizio | Prezzo per 1.000 minuti | Prezzo all'ora | Riconoscimento parlanti incluso |
|---|---|---|---|
| Meta Muse Voice Transcribe | 3,00 USD | 0,18 USD | Sì, integrato |
| OpenAI Whisper API (sola trascrizione) | ~6,00 USD | ~0,36 USD | No, passaggio separato |
| Livello standard tipico di voce-testo in cloud | ~15-24 USD | ~0,90-1,44 USD | Spesso un componente aggiuntivo a parte |
Il conto in euro, in modo approssimativo
Convertendo la tariffa oraria di Meta in euro si ottiene una cifra che un team finanziario nell'UE o nel Regno Unito può davvero confrontare con una fattura, e si aggira intorno a 0,17 euro l'ora.
Questa conversione usa un cambio dollaro-euro approssimativo vicino a 0,92 e si muove con il mercato, quindi va trattata come un riferimento, non come una cifra pronta per un ordine d'acquisto. Con lo stesso calcolo, il prezzo per 1.000 minuti si aggira intorno a 2,76 euro. Qualsiasi azienda che oggi paga sensibilmente di più per trascrizione, riconoscimento dei parlanti ed endpointing insieme ha, per la prima volta, un prezzo di riferimento pubblico con cui confrontare il proprio contratto con il fornitore, invece della sola parola di un commerciale.
Comprare, costruire o cambiare
La decisione davanti a qualsiasi team nell'UE o nel Regno Unito che gestisce pipeline audio non è se il modello di Meta sia tecnicamente impressionante, ma se lo stack di fornitori attuale meriti ancora il suo sovrapprezzo ora che riconoscimento dei parlanti ed endpointing non richiedono più strumenti separati.
Il modello sostiene già funzioni reali dentro i prodotti stessi di Meta, alimenta le funzioni di dettatura su Mac e lo strumento Muse Code dell'azienda, un segnale che il sistema è stato irrobustito in produzione e non è una demo pensata per una classifica. Per un team che paga un sovrapprezzo per combinare trascrizione, etichette dei parlanti e rilevamento dei turni da tre fornitori diversi, questa combinazione di prezzo pubblico e uso reale in produzione è la parte su cui vale la pena agire. La dettatura su Mac è solo il punto in cui la maggior parte delle persone noterà per prima il modello che sta dietro.
Perché lo facciamo
Lo facciamo per tutti quelli che cercano di stare al passo con ciò che la tecnologia sta facendo alle nostre vite. Le persone che la costruiscono, e le persone a cui capita. Il Servola Journal esiste perché ciò che impariamo appartenga a tutti loro.
Nessuno ci paga per farlo. Niente pubblicità, nessun paywall, gratis per tutti. Crediamo semplicemente che capire cosa sta succedendo a tutti noi non dovrebbe dipendere da chi può permettersi di pagarlo.
Se oggi questo ti ha dato qualcosa, dicci di continuare. Seguici, lascia un like o scrivi un commento positivo. Li leggiamo tutti, e sono loro a farci andare avanti.
Da leggere ora: Secondo patch LED, obiezione CNIL senza risposta | La Strategia Solitaria del Texas Supera i 2 Miliardi
