Microsoft lance MAI-Transcribe-2, l'IA de transcription audio qui concurrence OpenAI et Google

Ni le lancement ni les chiffres qui circulent sur MAI-Transcribe-2 n'ont été officiellement confirmés par Microsoft, nous vous expliquons donc ce que l'on sait jusqu'à présent avec la prudence qu'exigent des informations qui n'ont pas encore été vérifiées de première main. Le modèle s'ajouterait à la famille MAI, la gamme de systèmes d'intelligence artificielle que la division Microsoft AI, dirigée par Mustafa Solimans’est développé ces derniers mois. Contrairement aux versions précédentes de cette même famille, axées sur la génération de parole ou sur des modèles à usage général, MAI-Transcribe-2 serait dédié exclusivement à la conversion audio en texte, une tâche utilisée quotidiennement par des départements entiers pour documenter les réunions, générer des sous-titres ou examiner les appels du service client. Nous ne savons pas s'il partage une architecture avec MAI-Voice-1, le modèle de génération vocale que la même division a présenté il y a des mois, même si les deux répondraient à la même stratégie : réduire la dépendance vis-à-vis des fournisseurs externes d'intelligence artificielle dans les propres services cloud de Microsoft.

Qu'est-ce qui améliore cette IA par rapport à OpenAI et Google

Microsoft affirmerait que MAI-Transcribe-2 offre une plus grande précision que les modèles de transcription commercialisés par OpenAI et Google, même s'il n'aurait pas détaillé publiquement quels tests ou ensembles audio auraient été utilisés pour parvenir à cette conclusion. Dans tous les cas, il s'agirait d'une comparaison proposée par l'entreprise elle-même et non d'une validation indépendante, ce qui est courant lorsqu'une entreprise technologique présente son propre modèle par rapport à ceux de ses concurrents directs.

Le domaine dans lequel elle rivaliserait est plus clair que le chiffre exact de l'amélioration : celui des services voix-texte intégrés dans le cloud, où OpenAI propose sa famille de modèles Chuchoter et ses dérivés, et Google dispose de ses propres outils Speech-to-Text au sein de Google Cloud. Les deux sociétés facturent le traitement audio avec des systèmes de tarification qui varient en fonction du volume et de la qualité du modèle choisi, et ce serait précisément dans ce scénario que Microsoft placerait son nouveau tarif comme une réclamation contre les performances qu'il attribue à son modèle.

Un prix qui fait pression sur les tarifs du secteur

Le coût de 0,10 $ par heure d'audio traité Ce serait, s'il se confirmait, l'un des arguments centraux de ce lancement. Pour une entreprise qui transcrit des centaines d’heures d’enregistrements par mois (réunions internes, entretiens ou appels d’assistance), la différence entre un tarif ajusté et un tarif plus élevé peut être directement perceptible dans le budget alloué aux outils d’intelligence artificielle.

La transcription automatique est devenue un élément courant des flux de travail de nombreuses organisations, depuis les services des ressources humaines documentant les entretiens jusqu'aux sociétés de production médiatique générant des sous-titres pour les vidéos. Cette bataille pour attirer ce type de clients n'est pas nouvelle : OpenAI et Google se disputent les mêmes développeurs depuis des années, et Microsoft entrerait désormais dans le conflit avec un prix qui chercherait à rendre plus difficile la justification de l'utilisation des alternatives de ses concurrents.

MAI-Transcribe-2 arriverait via le Services cloud Microsoftdestiné aux équipes de développement à intégrer dans leurs propres applications sans avoir besoin de former un modèle de transcription à partir de zéro. La société n'a pas précisé, pour le moment, si le lancement comprend des périodes d'essai gratuites ou si le prix de 0,10 $ de l'heure varierait en fonction du volume contracté ou de la région à partir de laquelle le service est accessible.