O número que importa
A Meta Superintelligence Labs lançou o Muse Voice Transcribe a 1 de setembro, e nesse mesmo dia o modelo ocupou o primeiro lugar na tabela independente de voz-para-texto em streaming da Artificial Analysis.
O modelo junta duas tarefas que a maioria dos processos de transcrição tratava até agora como etapas separadas: a diarização de oradores, que mostra quem está a falar, e o endpointing, que deteta quando alguém acabou de falar. A Meta treinou-o em mais de 70 línguas, das quais 25 validadas no lançamento, e construiu-o para lidar com 20 ou mais oradores em simultâneo, gravações com mais de uma hora e oradores que mudam de língua a meio de uma conversa sem reinício manual. O acesso passa pela Model API da Meta a 3 USD por 1000 minutos de áudio, o que equivale a 0,18 USD por hora de áudio transcrito.
O que as empresas têm pago até agora
A maioria das empresas que processa transcrição de chamadas, notas de reuniões ou áudio de apoio ao cliente através de uma API paga hoje, na prática, por duas coisas ao mesmo tempo, mesmo que a fatura mostre apenas uma linha: a transcrição em si, e o processamento extra que a torna realmente útil.
A API Whisper da OpenAI publica um preço de transcrição pura de cerca de 0,006 USD por minuto, ou seja, cerca de 0,36 USD por hora, com a diarização normalmente tratada como uma etapa separada ou uma ferramenta à parte. A Azure Speech e a Google Speech-to-Text fixam os seus níveis padrão numa faixa parecida, muitas vezes perto de 1 USD por hora antes de a identificação de oradores ser acrescentada como funcionalidade ou nível de preço próprio. Cada uma dessas montagens obriga a empresa a pagar duas vezes e a integrar duas vezes por um resultado que a Meta entrega agora como um só modelo a um só preço.
| Serviço | Preço por 1000 minutos | Preço por hora | Diarização incluída |
|---|---|---|---|
| Meta Muse Voice Transcribe | 3,00 USD | 0,18 USD | Sim, integrada |
| OpenAI Whisper API (só transcrição) | ~6,00 USD | ~0,36 USD | Não, etapa separada |
| Nível padrão típico de voz-para-texto na nuvem | ~15-24 USD | ~0,90-1,44 USD | Muitas vezes um extra à parte |
A conta em euros, de forma aproximada
Ao converter a tarifa horária da Meta para euros, o número que uma equipa financeira na UE ou no Reino Unido pode realmente usar contra uma fatura fica perto de 0,17 euros por hora.
Essa conversão usa uma taxa dólar-euro aproximada perto de 0,92 e move-se com o mercado, por isso deve ser tratada como referência, não como um número pronto para uma ordem de compra. Com o mesmo cálculo, o preço por 1000 minutos fica perto de 2,76 euros. Qualquer empresa que hoje pague significativamente mais por transcrição, diarização e endpointing juntos tem, pela primeira vez, um preço de referência público com que comparar o seu próprio contrato de fornecedor, em vez de apenas a palavra de um comercial.
Comprar, construir ou mudar
A decisão perante qualquer equipa na UE ou no Reino Unido que gere processos de áudio não é se o modelo da Meta é tecnicamente impressionante, mas sim se a pilha de fornecedores atual ainda justifica a sua margem agora que a diarização e o endpointing já não precisam de ferramentas separadas.
O modelo já sustenta funções reais dentro dos próprios produtos da Meta, alimenta as funcionalidades de ditado no Mac e a ferramenta Muse Code da empresa, um sinal de que o sistema foi reforçado em produção e não é uma demonstração pensada para uma tabela classificativa. Para uma equipa que paga uma margem extra para combinar transcrição, etiquetas de oradores e deteção de turnos de fala vindos de três fornecedores diferentes, essa combinação de preço público e uso real em produção é a parte que vale a pena agir sobre. A funcionalidade de ditado no Mac é apenas o local onde a maioria vai notar primeiro o modelo por trás.
Porque fazemos isto
Fazemos isto por todos os que tentam acompanhar o que a tecnologia está a fazer às nossas vidas. As pessoas que a constroem, e as pessoas a quem acontece. O Servola Journal existe para que o que aprendemos pertença a todos eles.
Ninguém nos paga por isto. Sem anúncios, sem barreira de pagamento, grátis para todos. Simplesmente acreditamos que perceber o que está a acontecer a todos nós não deveria depender de quem pode pagar por isso.
Se isto lhe deu alguma coisa hoje, diga-nos para continuarmos. Siga-nos, deixe um gosto, ou escreva um comentário positivo. Lemos todos, e são eles que nos mantêm em marcha.
Leia a seguir: Segunda correção do LED, objeção do CNIL sem resposta | Sozinho, o Texas Já Ultrapassa 2 Mil Milhões
