Microsoft AI ha lanciato MAI-Transcribe-2-Streaming, il suo primo modello di trascrizione in streaming: testo a bassa latenza in 60 lingue, con rilevamento automatico continuo della lingua. Nelle classifiche Artificial Analysis risulta primo per accuratezza su trascrizioni finali e parziali; le prime ipotesi arrivano poco dopo 100 ms di audio. Prezzo introduttivo: 0,54 dollari all'ora di audio fino a fine anno. Nello stesso annuncio arrivano MAI-Voice-2.1 e MAI-Voice-2.1-Flash (testo-voce): 23 lingue, stessa "voce" che cambia lingua senza cambiare parlante; Flash punta a volumi alti (circa 150 ms di latenza end-to-end, 15 dollari per milione di caratteri). I tre modelli sono disponibili via Microsoft Foundry, MAI Playground e altri canali; c'è anche una demo "Chatter" per provarli insieme.
Qui il punto per freelance e piccole imprese.
Se gestisci supporto clienti, corsi, podcast o un assistente vocale, il collo di bottiglia non è solo "quanto è brava l'AI": è quanto tempo passa tra la frase del cliente e una risposta utile. Trascrizione veloce + voce naturale permettono di iniziare a ragionare a metà frase — ma restano costi di audio e rischio di errori su nomi e termini di settore. Meglio un flusso corto e misurato che un call center AI acceso su tutto il traffico.
Cosa fare lunedì: se hai già Azure / Foundry o usi agenti vocali, apri la pagina ufficiale Microsoft AI e confronta prezzo e latenza con lo strumento che usi oggi su UNA chiamata di prova (o un audio di 5 minuti del tuo settore). Annota errori su nomi propri e termini tecnici. Se non sviluppi tu, chiedi al fornitore del centralino se supporta già questi modelli — non firmare un rifacimento completo sulla scia del comunicato.
Fonte:…