Microsoft lança IA que transcreve 1 hora de áudio em 10 segundos e cobra US$ 0,10; modelo suporta português
MAI-Transcribe-2 transcreve 1 hora de áudio em cerca de 10 segundos, custa US$ 0,10 por hora em promoção e suporta português.
A Microsoft apresentou o MAI-Transcribe-2, novo modelo de reconhecimento de fala para desenvolvedores.
A empresa afirma que a IA consegue processar uma hora de áudio em cerca de 10 segundos de inferência e cobra US$ 0,10 por hora de áudio no preço promocional de lançamento.
O modelo trabalha com 60 idiomas e inclui português. Ele também adiciona recursos úteis para reuniões, entrevistas, vídeos e gravações longas, como separação de participantes e marcação de tempo por palavra.
O que significa transcrever 1 hora em 10 segundos
A Microsoft usa esse número para medir o tempo de inferência do modelo em processamento em lote.
Na prática, isso significa que um arquivo de uma hora pode gerar a transcrição em aproximadamente 10 segundos depois que o sistema começa a processá-lo.
Esse tempo não representa necessariamente toda a espera do usuário. Upload do arquivo, fila do serviço, rede e integração do aplicativo podem acrescentar latência.
Ainda assim, o resultado mostra que a Microsoft desenhou o modelo para lidar com grandes volumes de áudio rapidamente.
A geração anterior, MAI-Transcribe-1.5, levava cerca de 20 segundos para o mesmo volume segundo a própria empresa.
Português está entre os 60 idiomas que o modelo reconhece
A página oficial do modelo inclui o português entre os idiomas que a Microsoft testou.
O MAI-Transcribe-2 usa detecção automática de idioma e também lida melhor com áudio ruidoso, qualidade variável e conversas que misturam idiomas.
Além da transcrição básica, o modelo oferece:
- diarização, para separar quem falou cada trecho;
- timestamps no nível de palavra;
- contextual biasing, que ajuda a priorizar nomes e termos esperados;
- opções para configurar o estilo da transcrição;
- processamento de áudio em 60 idiomas.
Esses recursos tornam a ferramenta mais útil em atas de reunião, legendas, atendimento, pesquisa, documentação jurídica e gravações com várias pessoas.
Preço de US$ 0,10 é promocional
O valor de US$ 0,10 por hora não é apresentado como preço permanente. A Microsoft informa que a oferta vale por tempo limitado até o fim de 2026.
Imagem: Reprodução – Edição/BITMAG
Isso é importante para quem pretende calcular custos de um produto ou serviço com base nessa tarifa.
Logo após p período promocional, a empresa poderá aplicar outro preço.
Portanto projetos de longo prazo não devem tratar os US$ 0,10 como valor definitivo.
Onde é possível testar o MAI-Transcribe-2
A Microsoft disponibilizou demonstrações e acesso por ferramentas voltadas a desenvolvedores, incluindo Microsoft Foundry e MAI Playground.
O modelo também aparece entre as opções de integração divulgadas pela empresa.
Não se trata de um novo botão de transcrição dentro do Windows ou do Microsoft 365 para todos os consumidores.
O lançamento mira principalmente quem cria aplicativos e fluxos que precisam converter fala em texto.
Nos testes publicados pela própria Microsoft, o MAI-Transcribe-2 alcançou resultados competitivos contra modelos de OpenAI, Google e ElevenLabs.
Como a própria empresa selecionou essas avaliações, o desempenho real pode variar conforme sotaque, ruído, microfone e tipo de gravação.
Para usuários brasileiros, o ponto mais concreto é que o português já faz parte do conjunto suportado.
O que você achou? Siga @bitmagazineoficial no Instagram para ver mais e deixar seu comentário clicando aqui
