微软发布MAI-Transcribe-2：语音转写每小时仅0.1美元

会懂网AI资讯，9月8日，微软自研模型部门发布语音转写模型MAI-Transcribe-2。该模型在主流多语言转写基准上登顶，运行速度比竞品快数倍，定价仅0.10美元/小时音频，直接冲击OpenAI、谷歌与ElevenLabs的转录业务。

每小时0.1美元的定价，把语音转写的成本压到了一个新量级。作为对比，主流商业转录服务的价格通常在此之上数倍。对于需要批量处理音频的客户——媒体、法院、会议服务、客服质检，成本下降带来的影响是直接的。

速度与准确率是这次发布的两大卖点。登顶多语言基准意味着在多语种混合场景下的表现领先，而”快数倍”则指向批量处理场景的效率。两者结合，让大规模音频处理从”按天计”变成”按小时计”。

这也是微软自研模型战略的又一动作。此前其在多个任务上的自研模型已能对标头部闭源模型。在核心AI能力上降低对外部供应商的依赖，对一家平台型公司而言是必然选择——既控制成本，也掌握技术主动权。

对市场而言，大厂以极低价格进入某一细分领域，往往意味着该领域的商业模式将被重塑。转录服务原本是不少初创公司的核心收入来源，当API价格被压到接近边际成本，单纯提供转写能力的公司必须向上游或下游寻找新的价值点。

从更广的趋势看，基础AI能力正在快速商品化。语音识别、OCR、基础翻译，这些曾经有技术门槛的能力，如今都变成了按量计费的低价API。真正的差异化正在向”理解业务场景、整合工作流”迁移。