Microsoft lanza MAI-Transcribe-2, más rápido y barato que OpenAI y Google

Microsoft AI lanzó el 3 de septiembre MAI-Transcribe-2, afirmando que es el servicio de reconocimiento de voz más rápido, preciso y económico del mercado. A 0,10 dólares por hora de audio hasta finales de 2026 —una reducción del 72% respecto a su predecesor— desafía directamente a GPT-Transcribe de OpenAI, Gemini 3.5 Transcribe de Google y Scribe v2 de ElevenLabs.

El modelo ocupa el primer lugar en el benchmark FLEURS en 60 idiomas con una tasa de error de palabras promedio del 5,2%, y el segundo puesto en el ranking independiente de Artificial Analysis. En velocidad, procesa audio 10× más rápido que GPT-Transcribe, 7× más rápido que Scribe v2 y 5× más rápido que Gemini 3.5 Transcribe.

Entre sus funciones destacan la diarización de hablantes, marcas de tiempo a nivel de palabra, identificación automática de idioma, soporte para code-switching en conversaciones multilingües como Hinglish o Spanglish, y modos de salida verbatim o limpia según el caso de uso.

El modelo está disponible de inmediato en Microsoft Foundry, MAI Playground y Open Router, señalando la apuesta de Microsoft por dominar la capa de infraestructura de transcripción empresarial.