Microsoft lance MAI-Transcribe-2, plus rapide et moins cher qu'OpenAI et Google

Microsoft AI a lancé MAI-Transcribe-2 le 3 septembre, le présentant comme le service de reconnaissance vocale le plus rapide, le plus précis et le moins cher du marché. Au prix de 0,10 $ par heure d'audio jusqu'à fin 2026 — soit une baisse de 72 % par rapport au modèle précédent — il concurrence directement GPT-Transcribe d'OpenAI, Gemini 3.5 Transcribe de Google et Scribe v2 d'ElevenLabs.

Le modèle se classe premier sur le benchmark FLEURS dans 60 langues avec un taux d'erreur moyen de 5,2 %, et second sur le classement indépendant Artificial Analysis. Il traite l'audio 10× plus vite que GPT-Transcribe, 7× plus vite que Scribe v2 et 5× plus vite que Gemini 3.5 Transcribe.

Parmi ses fonctionnalités : diarisation des locuteurs, horodatage au niveau du mot, identification automatique de la langue, prise en charge du code-switching pour les conversations multilingues (Hinglish, Spanglish), et modes de sortie verbatim ou épuré.

Disponible immédiatement sur Microsoft Foundry, MAI Playground et Open Router, ce lancement illustre la stratégie de Microsoft visant à contrôler la couche d'infrastructure de transcription en entreprise.