Microsoft AI, 3 Eylül 2026'da yeni konuşma tanıma modeli MAI-Transcribe-2'yi duyurdu. Şirket, modelin OpenAI, Google ve ElevenLabs'ın mevcut ürünlerinden daha hızlı, daha doğru ve daha ucuz olduğunu iddia ediyor. Fiyat ise saatte 10 sent. Bu, beş ay önce çıkan ilk modelin fiyatı olan 0,36 dolara kıyasla yaklaşık %72'lik bir indirim anlamına geliyor. Yılda 100.000 saat çağrı merkezi ses kaydı işleyen bir kurumsal müşteri için maliyet 36.000 dolardan 10.000 dolara düşüyor.
MAI-Transcribe-2'nin özellikleri ve kurumsal kullanım
Model, Haziran'daki MAI-Transcribe-1.5'in 43 diline kıyasla 60 dilde transkripsiyon yapıyor. Microsoft Foundry ve MAI Playground üzerinden erişilebilen model, arka plan gürültüsü, düşük kaliteli kayıtlar ve üst üste binen konuşmalar gibi gerçek iş seslerine göre tasarlandı.
Temel ürüne dahil edilen özellikler arasında konuşmacı ayrıştırma (kimin ne söylediğini belirleme), kelime düzeyinde zaman damgaları, anahtar kelime önyükleme (ilaç adları, ürün kodları gibi jargonun doğru yazılması) ve otomatik dil tanıma yer alıyor. Ayrıca, hukuk ve uyum ekipleri için "birebir" modu (tüm "ııı" ve tekrarları korur) ile okunabilir notlar için "temiz" mod sunuluyor. Kod değiştirme (code switching) özelliği, Hinglish ve Spanglish gibi diller arası geçiş yapan konuşmaları destekliyor. Bu yeteneklerin çoğu uzman sağlayıcılarda ek ücrete tabiyken Microsoft bunları taban fiyata dahil ediyor.
FLEURS ve Artificial Analysis kıyaslamaları
Microsoft'un üç performans iddiası var. İlki, FLEURS benchmarkında 60 dilde ortalama %5,2 kelime hatası oranıyla birinci sırada olduğu. FLEURS, Google araştırmacılarının 2022'de yayımladığı, her dilde yaklaşık 2.000 cümle okuyan anadil konuşmacılarına dayanan çok dilli bir kıyaslama. Ancak bu, okuma konuşmasına dayanıyor ve Microsoft'un ortalama hatası Haziran'daki %3,7'den yükselmiş durumda; bu muhtemelen düşük kaynaklı dillerin eklenmesinden kaynaklanıyor.
İkinci iddia, Artificial Analysis'ın kelime hatası liderlik tablosunda ikinci sırada olduğu ve bu firmanın doğruluk-gecikme Pareto sınırını tanımladığı. Artificial Analysis, modelleri genel API'ler üzerinden test eden bağımsız bir değerlendirici. Haziran'da MAI-Transcribe-1.5, %2,4 hata oranıyla üçüncü sıradaydı; Alibaba'nın Fun-Realtime-ASR-preview ve ElevenLabs'ın Scribe v2'sinin ardından. İkinciliğe yükselmesi, ElevenLabs'ı geride bıraktığını gösteriyor.
Üçüncü iddia ise hız: Artificial Analysis değerlendirmelerine göre OpenAI'ın GPT-Transcribe'ından 10 kat, ElevenLabs'ın Scribe v2'sinden 7 kat ve Google'ın Gemini 3.5 Transcribe'ından 5 kat daha hızlı. Toplu işlemede hız, GPU saatlerini azalttığı için maliyeti düşürüyor; bu da 10 sentlik fiyatı mümkün kılıyor.
Beş ayda üç model: Microsoft AI'nın hızlı yayın temposu
MAI-Transcribe serisi 2 Nisan'da 25 dil ve 0,36 dolar/saat ile başladı. 2 Haziran'da 1.5 sürümü 43 dil ve anahtar kelime önyükleme ile geldi. Şimdi ise 2. sürüm 60 dil, ayrıştırma, zaman damgaları ve kod değiştirme ile piyasada. Beş ayda üç sürüm, her seferinde dil kapsamını %40 artırarak ve rakiplerin premium katmanlarda sattığı özellikleri ekleyerek geldi. Bu tempo, istikrarlı bir mimariye ulaşmış ve veri ile ölçek üzerinde çalışan bir ekip sinyali.
Microsoft AI CEO'su Mustafa Suleyman, Nisan'da The Verge'e verdiği röportajda ilk modelin "küçük, odaklanmış 10 kişilik bir ekip" tarafından geliştirildiğini ve modelin "diğer son teknoloji modellerin GPU maliyetinin yarısıyla" çalıştığını söylemişti.
Microsoft neden kendi modellerini geliştiriyor?
Microsoft, OpenAI'a 13 milyar dolardan fazla yatırım yaptı ve modellerini Azure, Office ve Copilot'ta barındırıyor. Ancak şirket, kendi yapay zeka modellerini geliştirme stratejisini sürdürüyor. Ekim 2025'teki yeniden yapılandırma anlaşması, Microsoft'un "AGI'yi tek başına veya üçüncü taraflarla ortaklaşa bağımsız olarak takip etmesine" izin verdi. Nisan 2026'da yapılan bir değişiklikle Microsoft'un OpenAI modellerine özel erişimi sona erdi ve gelir paylaşımı ödemeleri kaldırıldı.
İkinci neden ise marjlar. Bloomberg'in Temmuz raporuna göre Microsoft, Word ve Excel'deki bazı kullanıcı istemlerini yanıtlamak için MAI modellerini kullanmaya başladı. Transkripsiyon, bu ikame için doğal bir hedef çünkü Microsoft Teams, Nuance ve Azure konuşma hizmetleri üzerinden büyük miktarda ses verisi işliyor. Her saat, başka bir sağlayıcıya ödeme yapılmayan bir saat anlamına geliyor.
MAI-Transcribe-2 vs. OpenAI, Google ve ElevenLabs
Microsoft'un duyurusu dört rakibi hedef alıyor: OpenAI'ın GPT-Transcribe'ı, Google'ın Gemini 3.5 Transcribe'ı, OpenAI'ın eski Whisper V3-Large'ı ve ElevenLabs'ın Scribe v2'si. Deepgram, AssemblyAI, Speechmatics ve Rev gibi uzman sağlayıcılar listede yok; bu, Microsoft'un sınır laboratuvarlarına karşı konumlandığını gösteriyor. Ancak uzmanlar, 10 sent/saat fiyatın ve paket özelliklerin baskısını hissedecek. Onların kalesi, tıbbi sözlükler ve hukuki formatlama gibi alan derinliği; Microsoft'un anahtar kelime önyükleme özelliği tam da buraya nişan alıyor.
Microsoft'un doğrulukta geçtiğini iddia etmediği tek rakip Alibaba. Teknoloji haber sitesi TechCrunch'ın Temmuz raporuna göre bazı ABD şirketleri, güvenlik endişelerine rağmen Çin modellerini daha ucuz alternatif olarak değerlendirmeye başladı.
Neden önemli
MAI-Transcribe-2, Microsoft'un OpenAI bağımlılığını azaltma stratejisinin en somut kanıtı. Fiyat ve hız avantajı, transkripsiyonu tartışılmayan bir maliyet kalemi olmaktan çıkarıyor. Bu, yalnızca rakipler için değil, aynı zamanda transkripsiyon pazarındaki uzman sağlayıcılar için de bir tehdit oluşturuyor. Microsoft'un kendi modellerine geçişi, sektördeki maliyet baskısını artırabilir ve diğer büyük teknoloji şirketlerinin de benzer stratejiler izlemesine yol açabilir.
Ancak teknik karar vericilerin sorması gereken sorular var: 10 sentlik fiyatın geçerli olduğu süre belli değil ve FLEURS'taki ortalama hata oranındaki artış, per-dil kırılımı istenmesini gerektiriyor. Yine de mevcut veriler, Microsoft'un transkripsiyon pazarını hızla yeniden şekillendirdiğini gösteriyor.
