Gepubliceerd op 4 september 2026
Microsoft bracht MAI-Transcribe-2 op 3 september 2026 uit voor een tijdelijke introductieprijs van $0,10 per audio-uur. Het model voegt sprekerherkenning, timestamps op woordniveau, domeinspecifieke keyword biasing en ondersteuning voor 60 talen toe. Belangrijker is dat onafhankelijke metingen van Artificial Analysis de kern van Microsofts commerciële verhaal ondersteunen: 2,0% word error rate, ongeveer 410,7 keer realtime verwerking en een geschatte prijs van $1,67 per 1.000 minuten.
Voor callcenteranalyse, meeting intelligence, ondertiteling en medische of juridische transcriptie is die combinatie nu het testen waard. Microsoft verbetert zowel nauwkeurigheid als functionaliteit ten opzichte van MAI-Transcribe-1.5 en verlaagt de introductieprijs met ruim 70%. De grootste onzekerheid is financieel: $0,10 per uur geldt expliciet als tijdelijke aanbieding tot eind 2026. Een structureel tarief voor 2027 is nog niet gepubliceerd.
Wat MAI-Transcribe-2 verandert voor transcriptieteams
MAI-Transcribe-2 richt zich op productieworkflows waarin normaal meerdere componenten rond het spraakmodel nodig zijn. Diarization bepaalt welke spreker welke woorden uitsprak. Timestamps op woordniveau ondersteunen zoeken en videobewerking. Keyword biasing helpt bij productnamen, medische termen, afkortingen en ander vakjargon. Ontwikkelaars kunnen bovendien kiezen tussen verbatim output, inclusief stopwoorden en valse starts, en een opgeschoonde stijl voor leesbare notulen en captions.
Het model detecteert talen automatisch en ondersteunt code switching, waaronder gemengde gesprekken zoals Hinglish en Spanglish. Microsoft meldt robuuste prestaties bij rumoerige audio en ondersteuning voor 60 talen, tegenover 43 bij MAI-Transcribe-1.5. Dat kan de architectuur vereenvoudigen voor organisaties die nu verschillende taalmodellen gebruiken of aparte verwerking nodig hebben voor sprekers en timing.
MAI-Transcribe-2 is te proberen via Microsoft Foundry met Azure Speech, de MAI Playground en OpenRouter. De modelpagina vermeldt ongeveer 10 seconden modelinferentie voor één uur audio, tegenover 20 seconden voor MAI-Transcribe-1.5.
Nauwkeurigheid, snelheid en prijs tegenover concurrenten
Microsoft noemt MAI-Transcribe-2 in de titel van zijn aankondiging het snelste, nauwkeurigste en goedkoopste spraakherkenningsmodel ter wereld. De onafhankelijke cijfers ondersteunen een sterke combinatie van die drie factoren, maar geen letterlijke eerste plaats op ieder afzonderlijk onderdeel.
Artificial Analysis meet 2,0% AA-WER en een speed factor van 410,7x.Deepgram Nova-3 verwerkt ruwe audio sneller, rond 600x, maar heeft een duidelijk hogere foutscore. ElevenLabs Scribe v2 zit met 2,2% dicht bij de nauwkeurigheid, maar verwerkt veel langzamer.
| Kenmerk | MAI-Transcribe-2 | Relevante benchmark |
|---|---|---|
| Artificial Analysis AA-WER | 2,0% | Scribe v2 2,2%; MAI-Transcribe-1.5 2,4% |
| Artificial Analysis speed factor | 410,7x | Nova-3 circa 600x; Scribe v2 circa 53x |
| Geschatte kosten per 1.000 min | $1,67 | Scribe v2 $3,67; Nova-3 $4,30 |
| FLEURS, top 25 talen | 3,4% WER | MAI-Transcribe-1.5 3,7% |
| Ondersteunde talen | 60 | MAI-Transcribe-1.5 43 |
| 1 uur audio, modelinferentie | circa 10 sec | MAI-Transcribe-1.5 circa 20 sec |
Artificial Analysis berekent AA-WER over ongeveer acht uur spraak uit drie datasets: AgentTalk, VoxPopuli-Cleaned-AA en Earnings22-Cleaned-AA. De speed factor is de mediane hoeveelheid audio die per seconde verwerking wordt getranscribeerd, gemeten met bestanden van tien minuten. De vergelijking is daardoor nuttig, maar vervangt geen test met eigen accenten, kanalen, woordenlijsten en opnamekwaliteit.
Wat Microsoft nog moet bewijzen
Het belangrijkste ontbrekende cijfer is de prijs na 31 december 2026. Voor $0,10 per uur is de businesscase uitzonderlijk sterk. Als het definitieve tarief duidelijk hoger uitvalt, verandert de vergelijking met Scribe v2, Gemini Transcribe, Deepgram en andere gespecialiseerde aanbieders. Procurementteams moeten de introductieprijs daarom als pilottarief behandelen, niet als vaste aanname voor de total cost of ownership.
Ook de meertalige benchmark vraagt nuance. Microsoft rapporteert gemiddeld 5,2% WER over alle 60 FLEURS-talen, terwijl de modelpagina 3,4% voor de beste 25 talen toont. Een gemiddelde kan zwakkere talen, accenten of domeinen verbergen. Een Europees contactcenter moet daarom precies de eigen taalmix, telefoniecompressie, achtergrondruis en overlap tussen sprekers testen.
Tot slot is ruwe doorvoersnelheid niet hetzelfde als end-to-end latency. Artificial Analysis laat Nova-3 met een hogere throughput zien dan MAI-Transcribe-2. Microsofts breed geformuleerde claim over ‘fastest’ verdient dus context. Het sterkste verhaal is de combinatie van lage foutscore, hoge batchsnelheid en lage introductieprijs, niet een eerste plaats op elke losse as.
Wat dit betekent
Voor organisaties die grote volumes opgenomen spraak verwerken, is MAI-Transcribe-2 het testen waard. Gebruik voor de eerste pilot juist moeilijke productieaudio: rumoerige gesprekken, meerdere sprekers, vaktermen en commercieel belangrijke talen. Meet niet alleen WER, maar ook sprekerattributie, timestampkwaliteit, correctietijd en de uiteindelijke kosten per bruikbaar transcript.
De release is extra interessant voor teams die nu afzonderlijk betalen voor transcriptie en nabewerking. Ingebouwde diarization, timestamps en contextual biasing kunnen die stack vereenvoudigen. Het oordeel is: nu testen. Leg alleen nog geen businesscase voor 2027 vast op basis van $0,10 per uur zolang Microsoft het permanente tarief niet bekendmaakt.
Voor meer informatie, bekijk de officiële aankondiging van MAI-Transcribe-2 op de website van Microsoft.
