Microsoft presento el 3 de septiembre MAI-Transcribe-2, su nuevo modelo de transcripcion de audio, a 0,10 dolares la hora. Es un 72% menos que su propio modelo de abril, que costaba 0,36 dolares. Cubre 60 idiomas, identifica quien habla y saca marcas de tiempo por palabra.
El dato importa por el momento en que llega. Cinco dias antes, Meta habia bajado el precio de su propio modelo de transcripcion a 0,18 dolares la hora. En menos de una semana, dos proveedores grandes han recortado precio en la misma categoria de producto. Eso no es una rebaja puntual: es un patron.
Para Carla, esto cambia el calculo de cualquier proceso que dependa de pasar audio a texto: actas de reuniones, transcripcion de llamadas de soporte, subtitulos internos. Con 100.000 horas de audio al año -un volumen habitual en un centro de atencion mediano-, la factura pasa de 36.000 a 10.000 dolares solo por cambiar de modelo.
El anuncio de Microsoft no dice hasta cuando dura el precio de lanzamiento, ni publica cifras de precision en la separacion de hablantes, un dato clave si se transcriben reuniones con varias personas. Tampoco aclara donde se guardan los datos de audio ni si se usan para entrenar futuros modelos, una pregunta que cualquier responsable de compliance deberia hacer antes de firmar.
El patron importa mas que el proveedor concreto: si el precio de transcribir audio cae a la mitad cada pocos meses, cualquier automatizacion construida sobre ese coste hoy sale mas barata dentro de seis meses, no mas cara.
Que hacer ahora: si tu empresa ya paga por transcripcion -a Otter, Deepgram, AssemblyAI o al proveedor que sea-, pide una comparacion de precio y precision antes de renovar. En una categoria donde el coste cae a la mitad cada pocos meses, un contrato anual firmado hoy puede quedar caro en enero.