La corsa all’intelligenza artificiale non si ferma alla generazione di testo o immagini: anche la trascrizione vocale è diventata un campo di battaglia. Microsoft ha appena presentato MAI-Transcribe-2, un nuovo modello di riconoscimento vocale che punta a superare i rivali di Google e OpenAI su due fronti cruciali: prezzo e velocità. L’annuncio arriva in un momento in cui sempre più aziende, anche in Italia, cercano soluzioni efficienti per convertire audio in testo, dai call center ai servizi di sottotitolazione.
Le specifiche del nuovo modello
Secondo quanto riportato, MAI-Transcribe-2 è stato progettato per offrire prestazioni superiori rispetto a Gemini 3.5 Transcribe di Google e GPT-Transcribe di OpenAI. Microsoft rivendica una maggiore accuratezza nel riconoscimento di lingue, dialetti e rumori di fondo, ma il vero punto di forza sembra essere il prezzo: durante il lancio, il costo è di appena 10 centesimi per ogni ora di audio trascritta, un’offerta valida fino alla fine del 2026. Una cifra che potrebbe rivoluzionare il mercato, rendendo la trascrizione automatica accessibile anche a piccole realtà e professionisti.
Perché la velocità è importante
Oltre al costo, Microsoft punta sulla rapidità di elaborazione. In contesti come la trascrizione di riunioni aziendali o di interviste, la velocità di risposta è fondamentale per garantire un flusso di lavoro fluido. Un modello più veloce non solo riduce i tempi di attesa, ma consente anche di processare volumi maggiori di audio in meno tempo, un aspetto critico per i servizi di streaming e per le piattaforme di comunicazione che integrano la trascrizione in tempo reale.
La competizione si fa serrata
L’ingresso di Microsoft in questo segmento con un modello così aggressivo sul prezzo non è casuale. Google e OpenAI hanno già consolidato la loro presenza con soluzioni integrate nei rispettivi ecosistemi, ma Microsoft può contare su Azure e sulla diffusione di strumenti come Teams, dove la trascrizione è già una funzionalità molto usata. La sfida si gioca quindi non solo sulla qualità del modello, ma anche sulla capacità di distribuirlo su larga scala e di integrarlo con altri servizi enterprise.
Cosa significa per chi legge
Per chi lavora con contenuti audio, questa novità può tradursi in un risparmio concreto: se l’offerta di lancio verrà confermata, trascrivere un’ora di registrazione costerà pochissimo, aprendo la strada a usi prima improbabili, come la digitalizzazione di archivi storici o la creazione di sottotitoli per video amatoriali. Inoltre, la maggiore velocità di elaborazione può migliorare l’esperienza d’uso in applicazioni di assistenza vocale e di accessibilità. Infine, la competizione tra i big tech potrebbe portare a un abbassamento generale dei prezzi, a vantaggio di tutti gli utenti finali.