In questo articolo Indice dei contenuti 2 sezioni
Microsoft AI ha presentato MAI-Transcribe-2, un modello di riconoscimento vocale che secondo l’azienda supera le prestazioni di Gemini 3.5 Transcribe e di GPT-Transcribe, i due riferimenti più citati quando si parla di trascrizione automatica. Il dato che salta subito all’occhio, però, non è tanto tecnico quanto commerciale, perché il modello viene proposto a EUR 0 per ora di audio, ovvero circa 0,09 euro, con questa tariffa valida per tutto il 2026. Una mossa che dice parecchio su come Microsoft intenda posizionarsi in un settore dove il prezzo per ora di elaborazione è diventato un terreno di scontro quanto la qualità del risultato.
La trascrizione automatica è uno di quei servizi che sembrano banali finché non si prova a usarli su materiale reale, con accenti marcati, sovrapposizioni di voci, rumore di fondo, termini tecnici. È lì che i modelli si dividono davvero, e la differenza tra un output pulito e uno da correggere a mano si traduce in ore di lavoro risparmiate o buttate. Il fatto che Microsoft AI rivendichi un vantaggio proprio in questo ambito, e contro due nomi pesanti, colloca MAI-Transcribe-2 in una fascia dove finora la concorrenza si giocava quasi tutta tra Google e OpenAI.
Un prezzo pensato per farsi scegliere
Dieci centesimi di dollaro per ogni ora di audio elaborata è una cifra che va letta pensando ai volumi. Per un utente singolo che deve trascrivere qualche riunione al mese si tratta di spiccioli, per un’azienda che processa migliaia di ore tra call center, videoconferenze, contenuti multimediali e archivi da indicizzare la faccenda cambia scala. Fissare la tariffa fino al 2026 significa dare visibilità sui costi a chi deve mettere a budget un servizio di riconoscimento vocale su base annuale, e togliere uno degli argomenti che frenano l’adozione, cioè il timore che il prezzo salga una volta agganciato il cliente.
Il posizionamento aggressivo sul costo, del resto, è una strategia che Microsoft conosce bene. Quando il divario qualitativo tra modelli concorrenti si assottiglia, la leva economica diventa quella decisiva, soprattutto per chi integra questi strumenti dentro flussi di lavoro già esistenti e valuta il passaggio da un fornitore all’altro con il foglio di calcolo alla mano più che con i benchmark.
Microsoft AI e la corsa ai modelli proprietari
Microsoft AI continua ad ampliare la propria famiglia di modelli sviluppati internamente, e il nome MAI segnala proprio questa direzione. Costruire tecnologia in casa, invece di dipendere esclusivamente da partner esterni, dà maggiore controllo su costi, tempi di aggiornamento e integrazione con il resto dell’ecosistema. Nel caso specifico del speech recognition il vantaggio è evidente, visto quanto la trascrizione sia diventata un ingrediente trasversale, presente nelle piattaforme di produttività, negli assistenti vocali, negli strumenti di analisi delle conversazioni.
Il confronto diretto con Gemini 3.5 Transcribe e GPT-Transcribe è il modo più immediato per comunicare al mercato dove si colloca il nuovo arrivato. Sono i modelli con cui chiunque lavori in questo campo ha già fatto i conti, quindi citarli equivale a dire che MAI-Transcribe-2 non nasce come alternativa di ripiego ma come proposta di prima scelta.
Per chi sviluppa applicazioni basate sull’audio, dai software di sottotitolazione agli strumenti di analisi delle chiamate commerciali, l’arrivo di un’opzione in più con queste caratteristiche allarga il ventaglio delle possibilità. Il tema, come sempre in questi casi, sarà verificare sul campo se le prestazioni dichiarate reggono anche fuori dai test controllati, su lingue diverse dall’inglese e su registrazioni di qualità non ottimale. La tariffa di circa 0,09 euro per ora di audio resta comunque il biglietto da visita con cui MAI-Transcribe-2 si presenta per tutto il 2026.
