Cosa ha lanciato Microsoft, e a che punto è arrivato
Microsoft ha lanciato MAI-Transcribe-2 il 3 settembre 2026, e il modello guida ora FLEURS, il benchmark standard per il riconoscimento vocale multilingue in 60 lingue, con un tasso medio di errore sulle parole del 5,2 per cento. Nella classifica separata di Artificial Analysis si è piazzato secondo.
Il modello aggiunge riconoscimento dei parlanti, marcature temporali per parola, enfasi su parole chiave, stili di trascrizione letterale o ripulita configurabili, cambio di lingua a metà frase e identificazione automatica della lingua. È disponibile tramite Microsoft Foundry, MAI Playground e Open Router.
Il numero che conta è il prezzo, non il punteggio
Microsoft applica 0,10 dollari per ora di audio elaborata, un'offerta a tempo limitato valida fino a fine 2026. Una dichiarazione di Microsoft lo ha definito non solo il suo modello di trascrizione più capace finora, ma il più capace ed efficiente tra i concorrenti.
Una posizione in un benchmark può essere contestata da qualsiasi laboratorio con numeri propri il trimestre successivo. Un prezzo così basso, da un'azienda con la distribuzione di Microsoft, è più difficile da ritirare una volta che i clienti hanno costruito i propri flussi di lavoro attorno ad esso.
Il confronto sulla velocità, nei numeri di Microsoft
Le cifre di velocità pubblicate da Microsoft, confrontate con i tre modelli di trascrizione citati direttamente, sono queste:
| Modello | Fornitore | Velocità rispetto a MAI-Transcribe-2 |
|---|---|---|
| MAI-Transcribe-2 | Microsoft | Riferimento |
| GPT-Transcribe | OpenAI | 10 volte più lento |
| Scribe v2 | ElevenLabs | 7 volte più lento |
| Gemini 3.5 Transcribe | 5 volte più lento |
Si tratta di confronti fatti da Microsoft stessa, non di un test indipendente di terze parti, quindi un'azienda che valuta un cambio dovrebbe comunque far passare il proprio audio campione attraverso ciascuna opzione prima di decidere.
Perché è una questione di margine, non solo di modello
Molti strumenti europei vendono la trascrizione vocale come funzione inclusa in un prodotto di registrazione chiamate, note di riunione o assistenza clienti, a un prezzo ben superiore a quanto costa ormai il puro accesso al modello. Quel divario era il prezzo di un'accuratezza decente; sempre più spesso, è semplicemente il ricarico del fornitore.
Un'azienda che paga una quota mensile di trascrizione per utente ha ora un calcolo semplice da fare: moltiplicare le proprie ore di audio mensili effettive per 0,10 dollari e confrontare il risultato con quanto le viene fatturato. Un divario ampio merita una conversazione con il fornitore, non l'assunzione che la tariffa rifletta ancora il costo sottostante.
Il problema: un prezzo promozionale, non un pavimento
L'annuncio stesso di Microsoft definisce i 0,10 dollari per ora di audio disponibili fino a fine 2026, non come prezzo di listino permanente. Le guerre di prezzo nell'infrastruttura AI si sono già invertite con questa stessa rapidità, e i fornitori che hanno tagliato i prezzi per guadagnare quota li hanno poi rialzati.
Qualsiasi contratto o budget interno costruito questo trimestre su questo prezzo dovrebbe presumere che potrebbe non reggere l'anno prossimo, e dovrebbe includere una clausola di revisione o di uscita invece di trattare la tariffa promozionale come base di un piano pluriennale.
Da leggere ora: Microsoft scommette 2,5 mld: gli strumenti non bastano | Microsoft Ora Limita Quanto Spendono I Suoi Ingegneri In IA
