מיקרוסופט משיקה את MAI-Transcribe-2 בפאונדרי במחיר שובר שוק

תמחור אגרסיבי מול המתחרים

המודל החדש זמין כבר עכשיו דרך Microsoft Foundry בתמחור של 10 סנט לשעת עיבוד (כ-37 אגורות), שמתורגם ל-1.67 דולר (כ-6.2 שקלים) לאלף דקות אודיו. המספר הזה נמוך משמעותית מהמתחרים הישירים בקטגוריית הדיוק הגבוה: ElevenLabs Scribe v2 גובה 3.67 דולר (כ-13.6 שקלים), Smallest AI Pulse Pro עומד על 4 דולר (כ-14.8 שקלים), וג'מיני 3.5 טרנסקרייב דורש 5 דולר (כ-18.5 שקלים) לאותה כמות. הפער מציב את מיקרוסופט בעמדת אנדר-דוג שמנסה לדחוף את השוק לכיוון קומודיטיזציה של ASR איכותי.

ביצועים שמציבים אותה בצמרת

לפי הבנצ'מרקים של Artificial Analysis, MAI-Transcribe-2 רושם WER (שיעור שגיאות מילה) כולל של 2.0%, תוצאה שממקמת אותו במקום השני בדירוג הכללי. בפירוט לפי מערכות נתונים: 1.8% ב-AA-AgentTalk שמדמה שיחות טבעיות, 1.5% ב-VoxPopuli-Cleaned-AA שמכסה דיבור רב-לשוני מתומלל ונקי, ו-3.0% ב-Earnings22-Cleaned-AA שמתמקד בשיחות דוחות כספיים עם טרמינולוגיה פיננסית. הנתונים מצביעים על יציבות גבוהה גם בדומיינים מאתגרים, אם כי המודל שבמקום הראשון לא נחשף בפרסום.

מה זה אומר למפתחים בפרודקשן

השילוב בין מחיר רצפה לדיוק של 2% WER משנה את החישוב הכלכלי של הטמעת תמלול באפליקציות בזמן אמת או בבאצ'ים גדולים. עד עכשיו, מי שרצה איכות ברמה הזו נאלץ לשלם פרמיה משמעותית לספקים מתמחים; עכשיו מיקרוסופט מציעה אלטרנטיבה מנוהלת בתוך האקוסיסטם של Azure בלי הצורך לנהל אינפרה נפרדת או לשלם פי שלושה ויותר. הזמינות המיידית בפאונדרי מאפשרת אינטגרציה מהירה בלי שלבי אונבורדינג ארוכים או מו"מ על חוזים.

מה חסר בתמונה המלאה

הפרסום לא כולל נתוני לייטנסי, תמיכה בסטרימינג, או מגבלות על אורך קובץ מקסימלי, פרמטרים קריטיים ליישומי לייב או שיחות ארוכות. גם זהות המודל שבמקום הראשון נותרה עלומה, כך שקשה לאמוד את הפער מהפסגה האבסולוטית. עם זאת, בנקודת הזמן הנוכחית, יחס עלות-תועלת כזה הופך את MAI-Transcribe-2 לברירת מחדל הגיונית לכל מי שבונה מוצר שדורש תמלול מדויק ולא רוצה לשלם מס מותג.