Microsoft lanza MAI-Transcribe-2, la IA de transcripción de audio que compite con OpenAI y Google

Microsoft ha presentado MAI-Transcribe-2, un nuevo modelo de transcripción de audio a texto con el que, según ha trascendido, buscaría superar en precisión a los sistemas de OpenAI y Google. El dato que más nos ha llamado la atención es el precio que se le atribuye: 0,10 dólares por cada hora de audio procesado, una tarifa que lo convertiría en una de las opciones más económicas del mercado para desarrolladores y empresas.

Ni el lanzamiento ni las cifras que circulan sobre MAI-Transcribe-2 han sido confirmados de forma oficial por Microsoft, así que os contamos lo que se conoce hasta ahora con la cautela que exige una información todavía sin verificar de primera mano. El modelo se sumaría a la familia MAI, la línea de sistemas de inteligencia artificial que la división Microsoft AI, dirigida por Mustafa Suleyman, viene desarrollando en los últimos meses. A diferencia de lanzamientos previos de esa misma familia, centrados en la generación de voz o en modelos de propósito general, MAI-Transcribe-2 se dedicaría en exclusiva a convertir audio en texto, una tarea que utilizan a diario departamentos enteros para documentar reuniones, generar subtítulos o revisar llamadas de atención al cliente. No sabemos si comparte arquitectura con MAI-Voice-1, el modelo de generación de voz que la misma división presentó meses atrás, aunque ambos responderían a la misma estrategia: reducir la dependencia de proveedores externos de inteligencia artificial en los propios servicios en la nube de Microsoft.

Qué mejora esta IA frente a OpenAI y Google

Microsoft afirmaría que MAI-Transcribe-2 ofrece una precisión superior a la de los modelos de transcripción que comercializan OpenAI y Google, aunque no habría detallado públicamente qué pruebas o conjuntos de audio se habrían utilizado para llegar a esa conclusión. Se trataría, en cualquier caso, de una comparación planteada por la propia empresa y no de una validación independiente, algo habitual cuando una tecnológica presenta un modelo propio frente a los de sus rivales directos.

El terreno en el que competiría queda más claro que la cifra exacta de mejora: el de los servicios de voz a texto integrados en la nube, donde OpenAI ofrece su familia de modelos Whisper y sus derivados, y Google dispone de sus propias herramientas de Speech-to-Text dentro de Google Cloud. Ambas compañías cobran por el procesamiento de audio con esquemas de precios que varían según el volumen y la calidad del modelo elegido, y sería precisamente en ese escenario donde Microsoft colocaría su nueva tarifa como reclamo frente al rendimiento que atribuye a su modelo.

Un precio que presiona las tarifas del sector

El coste de 0,10 dólares por hora de audio procesado sería, si se confirma, uno de los argumentos centrales de este lanzamiento. Para una empresa que transcribe cientos de horas de grabaciones al mes (reuniones internas, entrevistas o llamadas de soporte), la diferencia entre una tarifa ajustada y otra más elevada puede notarse de forma directa en el presupuesto que destina a herramientas de inteligencia artificial.