Lancio del modello MAI-Transcribe-2-Streaming con bassa latenza

Il 2 ottobre 2026, Microsoft ha lanciato il modello MAI-Transcribe-2-Streaming, che presenta il tasso di errore più basso nel mercato, pari al 2,5%. Questo modello è progettato per la trascrizione del parlato in tempo reale, con una latenza di circa 100 millisecondi e supporta 60 lingue diverse, incluso il tailandese. Il costo per utilizzare questo servizio è di 0,54 dollari per un'ora di parlato.

Insieme al MAI-Transcribe-2-Streaming, Microsoft ha presentato anche MAI-Voice-2.1, un modello aggiornato per la generazione di voce. Questo nuovo modello aumenta le lingue supportate da 15 a 23, rendendo disponibile anche il tailandese. Il costo per MAI-Voice-2.1 è di 22 dollari per ogni milione di caratteri generati.

Infine, è stato introdotto MAI-Voice-2.1-Flash, una versione economica del MAI-Voice-2.1, destinata a clienti che necessitano di generare grandi quantità di voce rapidamente, con un costo di 15 dollari per milione di caratteri. Tutti e tre i modelli sono ora attivi attraverso Microsoft Foundry e OpenRouter. Blognone ha riportato la notizia del lancio.