Microsoft AI, 1 Ekim 2026’da ilk akan transkripsiyon modelini duyurdu. MAI-Transcribe-2-Streaming 60 dilde çalışıyor, dili kendisi belirliyor ve ilk parça metni yaklaşık 100 milisaniyede veriyor. Yıl sonuna kadar ses saati fiyatı 0,54 dolar.
Akan transkripsiyon ve doğruluk iddiası
Microsoft, modelin Artificial Analysis üzerinde hem nihai hem kısmi transkript doğruluğunda birinci olduğunu söylüyor. Birincilik şirketin iddiası.
İlk parçanın yaklaşık 100 milisaniyede gelmesi, konuşmanın bitmesini bekleyen bir dökümden farklı bir vaat. Metin, “kısmi” sonucu ile “nihai” sonucu ayrı ayrı anıyor. İkisi için de birincilik iddiası Microsoft’a ait.
MAI-Voice-2.1 ve Flash
MAI-Voice-2.1, 23 dil ve 26 yerel ayar kapsıyor. Bir milyon karakter 22 dolar. MAI-Voice-2.1-Flash aynı dilleri kullanıyor. 45 saniyelik ses veriyor, uçtan uca gecikmesi 150 milisaniye ve bir milyon karakteri 15 dolar. Şirket, çıkarımın karşılaştırılabilir modellere göre yüzde 55 daha hızlı ve yaklaşık yüzde 60 daha ucuz olduğunu öne sürüyor. Hız ve ucuzluk karşılaştırması Microsoft’a ait.
Foundry, Vercel, Playground ve Chatter
Transkripsiyon ve ses modelleri birlikte Foundry, Vercel ve MAI Playground’da. Ses modelleri ayrıca OpenRouter’da. Canlı demoya Chatter deniyor.
Kaynak: Microsoft AI
