Microsoft AI lance un modèle de reconnaissance vocale plus rapide et moins cher

Microsoft AI a lancé jeudi son modèle de reconnaissance vocale MAI-Transcribe-2, une technologie que l'entreprise affirme être plus rapide, plus précise et plus abordable que les offres actuelles d'OpenAI, Google et ElevenLabs. Le modèle est proposé à 0,10 $ par heure d'audio.

Ce tarif représente une réduction significative par rapport à la génération précédente, qui coûtait 0,36 $ par heure. Pour les entreprises traitant de grands volumes audio, comme 100 000 heures par an, cette baisse de prix pourrait se traduire par des économies substantielles, se chiffrant en dizaines de milliers de dollars annuellement.

Ce lancement s'inscrit dans la stratégie plus large de Microsoft visant à développer ses propres modèles d'IA de pointe dans diverses modalités. La reconnaissance vocale est un domaine où cette stratégie a connu une progression rapide. MAI-Transcribe-2 étend la prise en charge à 60 langues, contre 43 pour son prédécesseur, et est conçu pour gérer les conditions audio difficiles courantes dans les environnements professionnels.

Les fonctionnalités clés pour les clients professionnels incluent la diarisation des locuteurs, les horodatages au niveau du mot et la priorisation des mots-clés pour une précision accrue avec le jargon spécifique au domaine. Le modèle offre également une identification automatique de la langue et gère le changement de code au sein des conversations. Auparavant, ces capacités nécessitaient souvent des services premium distincts.

Microsoft cite des résultats de benchmarks, notamment un classement numéro un sur le benchmark FLEURS pour 60 langues et une deuxième place sur le classement précision-latence d'Artificial Analysis. L'entreprise revendique également des avantages de vitesse significatifs par rapport aux modèles concurrents, permettant ainsi la tarification compétitive et les performances efficaces du modèle.