微软 AI 推出 MAI-Transcribe-2，在价格和速度上低于竞争对手

新的语音识别模型每小时音频费用为 10 美分，比五个月前发布的微软自己的模型降价了 72%

微软人工智能刚刚将其转录价格降低到了一个水平，使得该技术几乎太便宜了，以至于无需费心进行预算。周四发布的 MAI-Transcribe-2 的音频费用为每小时 10 美分，比该公司 5 个月前推出该系列第一款产品时收取的每小时 0.36 美元的费用降低了 72%。

对于每年处理 100,000 小时呼叫中心音频的企业来说（对于大型银行或电信公司来说这只是一个适度的数量），每年的费用将从 36,000 美元降至 10,000 美元。

微软希望赢得一场价格战

MAI-Transcribe-1 于 2026 年 4 月 2 日推出，售价为每小时 0.36 美元，GPU 成本比领先替代方案低约 50%。 MAI-Transcribe-1.5 于 2026 年 6 月 2 日发布，语言支持范围从 25 种语言跃升至 43 种语言，人工分析排行榜上的单词错误率约为 2.4%。

现在，MAI-Transcribe-2 的价格点已经到来，微软称该价格点低于 OpenAI、Google 或 ElevenLabs 目前销售的任何产品。

速度是另一个重要数字。 MAI-Transcribe-1.5 已经可以在 15 秒内转录一小时的音频，速度比 OpenAI 和 Google 的一些竞争模型快大约五倍。微软声称新模型速度更快，尽管该公司将其定位为在准确性、速度和成本方面同时取得了进步。

苏莱曼战略初具规模

MAI-Transcribe-2 是首席执行官 Mustafa Suleyman 领导的微软人工智能部门的最新产品。每个版本的更广泛的作用都变得更加清晰：微软希望拥有完整的多模式堆栈，将转录与语音合成结合起来，并将两者集成到企业已经付费的产品中。

MAI 模型连接到 Microsoft Foundry 并嵌入到 Copilot、Teams、GitHub 和 Dynamics 365 联络中心。企业应用程序包括呼叫中心转录、会议记录、视频字幕和辅助工具。

就上下文而言，MAI-Transcribe-1.5 通过 Microsoft Foundry 的定价为每 1,000 分钟 6 美元。新的每小时 10 美分的定价约为每 1,000 分钟 1.67 美元。

这对竞争格局意味着什么

OpenAI 的 Whisper 模型一直是转录的热门选择，而 Google 的语音转文本 API 为广泛的企业客户提供服务。 ElevenLabs 凭借高质量的语音人工智能开辟了一个利基市场。这三者现在都面临着一个竞争对手，该竞争对手愿意在微软企业关系的分销力量的支持下，以极低的价格销售类似或优质的产品。

定价压力尤其给 OpenAI 带来了尴尬的局面。微软仍然是 OpenAI 最大的投资者和云合作伙伴，但 MAI 部门正在构建与 OpenAI 产品直接竞争的模型。