Microsoft Baixa a Transcrição para Dez Cêntimos a Hora

O que a Microsoft lançou, e em que posição ficou

A Microsoft lançou o MAI-Transcribe-2 a 3 de setembro de 2026, e o modelo lidera agora o FLEURS, o benchmark padrão de reconhecimento de fala multilingue em 60 línguas, com uma taxa média de erro de palavras de 5,2 por cento. Na classificação separada da Artificial Analysis, ficou em segundo lugar.

O modelo acrescenta identificação de interlocutores, marcas temporais por palavra, orientação por palavras-chave, estilos de transcrição literal ou depurada configuráveis, mudança de língua a meio da frase e identificação automática da língua. Está disponível através do Microsoft Foundry, do MAI Playground e do Open Router.

O número que importa é o preço, não a pontuação

A Microsoft cobra 0,10 dólares por hora de áudio processada, uma oferta por tempo limitado válida até ao final de 2026. Uma declaração da Microsoft chamou-lhe não apenas o modelo de transcrição mais capaz da empresa até à data, mas o mais capaz e eficiente entre os concorrentes.

Uma posição num benchmark pode ser contestada por qualquer laboratório com números próprios no trimestre seguinte. Um preço tão baixo, vindo de uma empresa com a distribuição da Microsoft, é mais difícil de reverter assim que os clientes tiverem construído os seus fluxos de trabalho à volta dele.

A comparação de velocidade, nos números da Microsoft

Os números de velocidade publicados pela Microsoft, comparados com os três modelos de transcrição que menciona diretamente, são estes:

Estas são comparações da própria Microsoft, não um teste independente de terceiros, pelo que uma empresa que avalie uma mudança deveria ainda assim testar o seu próprio áudio em cada opção antes de decidir.

Porque é uma questão de margem, não só de modelo

Muitas ferramentas europeias vendem a conversão de voz em texto como uma funcionalidade incluída num produto de gravação de chamadas, notas de reuniões ou apoio ao cliente, a um preço muito superior ao que o acesso puro ao modelo custa hoje. Essa diferença costumava ser o preço de uma precisão razoável; cada vez mais, é apenas a margem do fornecedor.

Uma empresa que paga uma taxa mensal de transcrição por utilizador tem agora uma conta simples a fazer: multiplicar as suas horas de áudio mensais reais por 0,10 dólares e comparar com o que lhe é faturado. Uma diferença grande merece uma conversa com o fornecedor, não a suposição de que a taxa ainda reflete o custo subjacente.

A armadilha: um preço promocional, não um limite mínimo

O próprio anúncio da Microsoft apresenta os 0,10 dólares por hora de áudio como disponíveis até ao final de 2026, não como um preço de tabela permanente. As guerras de preços na infraestrutura de IA já se inverteram com esta mesma rapidez, e fornecedores que baixaram preços para ganhar quota voltaram a subi-los assim que a quota foi conquistada.

Qualquer contrato ou orçamento interno construído este trimestre sobre este preço deveria assumir que pode não se manter no próximo ano, e deveria incluir uma cláusula de revisão de preço ou de saída em vez de tratar a tarifa promocional como base de um plano plurianual.

Leia a seguir: Microsoft aposta 2,5 mil milhões: as ferramentas não chegam  |  A Microsoft Já Limita O Que Os Seus Engenheiros Gastam Em IA