Microsoft lança MAI-Transcribe-2, mais rápido e barato que OpenAI e Google

A Microsoft AI lançou em 3 de setembro o MAI-Transcribe-2, afirmando que é o serviço de reconhecimento de voz mais rápido, preciso e barato do mercado. A US$0,10 por hora de áudio até o final de 2026 — uma redução de 72% em relação ao modelo anterior — concorre diretamente com o GPT-Transcribe da OpenAI, o Gemini 3.5 Transcribe do Google e o Scribe v2 da ElevenLabs.

O modelo ocupa o primeiro lugar no benchmark FLEURS em 60 idiomas com uma taxa de erro de palavras de 5,2% e o segundo lugar no ranking independente da Artificial Analysis. Em velocidade, processa áudio 10× mais rápido que o GPT-Transcribe, 7× mais rápido que o Scribe v2 e 5× mais rápido que o Gemini 3.5 Transcribe.

Entre os recursos destacam-se: diarização de falantes, timestamps por palavra, identificação automática de idioma, suporte a code-switching para conversas multilíngues como Hinglish ou Spanglish, e modos de saída verbatim ou limpo.

O modelo está disponível imediatamente no Microsoft Foundry, MAI Playground e Open Router, refletindo a estratégia da Microsoft de dominar a camada de infraestrutura de transcrição empresarial.