MAI-Transcribe-2 saati 0,10 dolara indirdi; fiyat yıl sonunda değişecek
Microsoft AI, MAI-Transcribe-2’yi 3 Eylül 2026’da duyurdu ve modeli ses saati başına 0,10 dolarlık tanıtım tarifesiyle erişime açtı. Microsoft AI’ın lansman açıklamasına göre bu fiyat yalnızca 2026 sonuna kadar geçerli; sonraki tarife henüz açıklanmadı.
İlk bağımsız sonuç, modelin hız ile doğruluğu güçlü biçimde birleştirdiğini, ancak her iki ölçütte de tek başına lider olmadığını gösteriyor. MAI-Transcribe-2’nin Türkçe desteği bulunmasına karşın yayımlanan karşılaştırmalarda Türkçeye özgü bir hata oranı yok; bu nedenle küresel sonuçlar Türkiye’deki çağrı merkezi, altyazı veya toplantı kayıtlarının beklenen doğruluğu olarak okunamaz.
Geçici fiyat hangi işlevlerle geliyor?
MAI-Transcribe-2; 60 dil desteği, konuşmacı ayırma, kelime düzeyinde zaman damgası, otomatik dil algılama, kod geçişi ve anahtar kelime yönlendirmesi sunuyor. Konuşmacı ayırma aynı kayıttaki kişilerin sözlerini etiketlerken zaman damgaları her kelimenin ses içindeki konumunu belirliyor.
Modelde “verbatim” ve “clean” olmak üzere iki çıktı yaklaşımı bulunuyor. İlki dolgu sözcüklerini, yarım bırakılan ifadeleri ve konuşma sırasındaki düzeltmeleri koruyor; ikincisi bunları temizleyerek daha okunabilir notlar ve altyazılar oluşturuyor. Anahtar kelime yönlendirmesi ise özel adlar, kısaltmalar ve sektörel terimler için modele ipucu veriyor, fakat bu terimlerin hatasız yazılmasını garanti etmiyor.
Bu kabiliyetlerin kullanım alanları birbirinden farklı. Konuşmacı etiketleri çağrı merkezi kayıtlarında müşteri ile temsilciyi ayırabilir; kelime zamanları altyazının görüntüyle eşleştirilmesini kolaylaştırabilir. Saatlik ücretin düşük olması yüksek hacimli arşivlerde maliyeti azaltabilir, ancak tanıtım tarifesi 2027 bütçelerine değişmeden aktarılamaz.
Bağımsız tabloda hız yüksek, doğruluk ikinci sırada
Artificial Analysis’ın akış dışı transkripsiyon tablosu, MAI-Transcribe-2 için yüzde 2,0 AA-WER, 410,7 medyan hız faktörü ve 1.000 dakika başına 1,67 dolar normalize edilmiş maliyet gösteriyor. Saatlik 0,10 doların 1.000 dakikadaki aritmetik karşılığı yaklaşık 1,67 dolar; bu nedenle iki fiyat göstergesi farklı tarifeler değil.
AA-WER oranı, yanlış yazılan kelimelerin payını ifade ediyor ve düşük değer daha iyi sonuç anlamına geliyor. Yüzde 2,0 güçlü bir bileşik sonuç olsa da model doğruluk tablosunda birinci değil. Nova-3 ise 587,9 hız faktörüyle MAI-Transcribe-2’den hızlı görünürken yüzde 5,2 hata oranıyla daha düşük doğruluk sergiliyor; dolayısıyla Microsoft modelinin avantajı tek bir ölçümü kazanmasından çok iki ölçüm arasındaki dengede.
410,7 hız faktörü, bir saniyelik işlem süresinde kaç saniyelik sesin çözümlendiğini gösteriyor. Bu değer son yedi gündeki denemelerin medyanından ve on dakikalık seslerden hesaplanıyor. Dosya yükleme süresi, ağ gecikmesi ve hizmet kuyruğu son kullanıcının toplam bekleme süresini etkileyebileceğinden aynı katsayıyı her dosya uzunluğu ve bölgede beklemek doğru değil.
AA-WER v2 de tek bir dilin sonucu değil. Endeks, yaklaşık sekiz saatlik AA-AgentTalk, VoxPopuli-Cleaned-AA ve Earnings22-Cleaned-AA kayıtlarının süre ağırlıklı birleşiminden oluşuyor; ağırlıklar sırasıyla yüzde 50, yüzde 25 ve yüzde 25. Böylece farklı modeller ortak bir yöntemle karşılaştırılabiliyor, fakat belirli bir kurumun ses kalitesi veya konuşma biçimi için doğrudan başarı tahmini yapılamıyor.
FLEURS sonucu Türkçe hata oranı değil
Microsoft’un kendi FLEURS değerlendirmesinde MAI-Transcribe-2, 60 dil genelinde ortalama yüzde 5,2 kelime hata oranıyla ilk sırada gösteriliyor. Bu değer ile bağımsız tablodaki yüzde 2,0 aynı deneyin iki sonucu değil: kullanılan kayıtlar, dil dağılımı ve hesaplama yöntemi farklı.
Türkçe desteklenen diller arasında yer alsa da Microsoft, FLEURS karşılaştırmasındaki Türkçe alt sonucunu ayrı yayımlamadı. Bu nedenle yüzde 5,2’yi Türkçe hata oranı, yüzde 2,0’ı da Türkçe telefon görüşmelerinde beklenen oran olarak sunmak yanıltıcı olur.
Türkiye’deki gerçek sonuç; yerel aksanlar, telefon hattı sıkıştırması, arka plan gürültüsü, üst üste konuşma ve özel adların dağılımına göre değişebilir. Mevcut tablolar model seçimini daraltmaya yardımcı oluyor, ancak Türkçe üretim kayıtları üzerindeki ayrı bir karşılaştırmanın yerini tutmuyor.
Genel önizleme statüsü fiyat kadar önemli
eWeek’in bağımsız incelemesi, yeni tarifenin önceki MAI-Transcribe modellerindeki saatlik 0,36 dolara göre yaklaşık yüzde 72 daha düşük olduğunu ve MAI-Transcribe-2’nin Azure Speech üzerinden genel önizlemede bulunduğunu aktarıyor. Aynı inceleme, önizlemede hizmet düzeyi anlaşması olmadığını ve Microsoft’un kritik üretim iş yükleri için bu statüyü önermediğini belirtiyor.
Bu ayrım, modelin erişilebilir olmasına rağmen genel kullanıma hazır bir hizmet taahhüdü taşımadığı anlamına geliyor. Ayrıca mevcut API belgelerinde WAV, MP3 ve FLAC dosyaları için 300 MB sınırı bulunuyor; bölgesel erişim ve diğer önizleme kısıtları da planlanan iş akışıyla birlikte değerlendirilmek zorunda.
Şimdilik kesin olan, saatlik 0,10 dolarlık teklifin 31 Aralık 2026’da sona ereceği ve sonraki fiyatın bilinmediği. Açık kalan diğer başlıklar Türkçeye özel doğruluk verisi ile genel kullanıma geçiş takvimi; bunlar açıklanmadan tanıtım dönemindeki maliyet ve benchmark sonuçları uzun vadeli hizmet performansı sayılmamalı.
Ayrıca okuyun:
Bültenimize abone olun
En son Web3, yapay zekâ ve kripto haberleri doğrudan gelen kutunuza gelsin.