Microsoft выпустила MAI-Transcribe-2, новую модель распознавания речи, которая быстрее, точнее и значительно дешевле существующих предложений от конкурентов, таких как OpenAI и Google. Эта передовая модель, стоимостью всего десять центов за час аудио, представляет собой существенное снижение затрат по сравнению с ее предшественником. Стратегия компании включает разработку собственных высококачественных ИИ-моделей, предназначенных для замены тех, которые ранее лицензировались у OpenAI. MAI-Transcribe-2 поддерживает 60 языков и разработана с учетом сложностей реального бизнес-аудио, включая фоновый шум и перекрывающуюся речь. Ключевые функции, такие как диаризация говорящих, временные метки на уровне слов и смещение по ключевым словам, включены без дополнительной платы. Модель также предлагает настраиваемые стили вывода и обрабатывает переключение между языками в рамках одного разговора. Microsoft заявляет о лидирующих позициях в таких бенчмарках, как FLEURS и Artificial Analysis, подчеркивая свою производительность по точности и скорости. Быстрый выпуск трех моделей за пять месяцев демонстрирует ускоренную разработку Microsoft в этой области. Это стремление к созданию собственных ИИ-возможностей обусловлено желанием независимости и улучшением нормы прибыли. Транскрибируя аудио с меньшими затратами, Microsoft может более доступно интегрировать эти функции в свои собственные продукты, такие как Teams, Word и Excel. Этот шаг позволяет Microsoft более эффективно конкурировать на рынке ИИ, снижая зависимость от внешних партнеров. Компания напрямую бросает вызов специализированным поставщикам услуг транскрипции, предлагая основные функции по беспрецедентной цене. Хотя Alibaba отмечается как сильный конкурент, Microsoft стремится предложить убедительную альтернативу для предприятий.