fost-nepal.org – Microsoft baru saja meluncurkan MAI-Transcribe-2, model pengenalan suara yang diklaim lebih cepat, akurat, dan terjangkau dibandingkan produk rival seperti OpenAI, Google, dan ElevenLabs. Dengan harga hanya 10 sen per jam audio, peluncuran ini menawarkan penghematan signifikan bagi perusahaan, mengingat biaya dapat berkurang dari $36.000 menjadi $10.000 untuk pemrosesan 100.000 jam audio panggilan per tahun.
Peluncuran ini adalah bagian dari strategi Microsoft untuk membangun model-model AI berkualitas tinggi secara mandiri. MAI-Transcribe-2 mampu mentranskripsikan audio dalam 60 bahasa, meningkat dari 43 bahasa sebelumnya. Model ini juga dirancang untuk menangani kondisi audio yang buruk, yang umum dalam bisnis nyata.
Fitur-fitur baru yang ditawarkan termasuk diarization yang bisa mengidentifikasi siapa yang berbicara dalam rekaman, serta penanda waktu untuk setiap kata, yang memudahkan pencarian dan pengeditan. Dengan pembaruan ini, Microsoft menunjukkan upaya untuk tidak bergantung lagi pada teknologi mitra yang telah diinvestasikan hingga $13 miliar, dan semakin memperkuat posisinya di pasar AI.
Ketua tim AI Microsoft, Mustafa Suleyman, mengungkapkan bahwa model ini diciptakan oleh tim kecil yang bekerja tanpa birokrasi yang rumit. Dalam kurun waktu lima bulan, Microsoft telah merilis tiga model pengenalan suara, masing-masing dengan fitur yang lebih lengkap dan harga yang meningkat terjangkau.
Dengan strategi dan peluncuran ini, Microsoft tidak hanya berusaha memenuhi kebutuhan pengenalan suara tetapi juga berencana untuk menjadikan teknologi ini sebagai standar di industri, mengubah cara perusahaan memproses audio menjadi teks.