Microsoft lanceert MAI‑Transcribe‑2‑Streaming voor realtime spraak in 60 talen tegen $0,54 per uur

Op 1 oktober 2026 heeft Microsoft AI aangekondigd dat de MAI‑Transcribe‑2‑Streaming‑service in openbare preview is gegaan. De dienst wordt gepositioneerd als een cloud‑gebaseerde, realtime spraak‑naar‑tekst‑engine die audio‑streams in zestig talen kan verwerken, en zowel gedeeltelijke als definitieve transcripties levert terwijl de audio voortschrijdt. Microsoft presenteert de service als een goedkope optie voor ontwikkelaars die onmiddellijke ondertiteling, live‑vertalingspijplijnen of stem‑gedreven analyses nodig hebben. Met andere woorden, ontwikkelaars krijgen een betaalbare oplossing die in staat is om direct ondertitels te genereren, vertalingen in real‑time uit te voeren en spraakdata te analyseren terwijl de spreker nog spreekt.

Realtime transcriptie‑mogelijkheden

Streaming‑transcriptie verschilt van batchverwerking doordat het model hypothesen uitzendt terwijl de spreker nog aan het praten is. MAI‑Transcribe‑2‑Streaming beweert een initiële hypothese te produceren ongeveer honderd milliseconden nadat het audiosample is ontvangen, gevolgd door verfijnde gedeeltelijke resultaten en een definitief transcript met interpunctie. Het systeem voert bovendien continue taaldetectie uit, waarbij het automatisch zijn akoestische en taalmodellen wisselt zodra het een verandering detecteert binnen de ondersteunde zestig talen, waardoor een aparte taalkeuzestap overbodig wordt. Dit betekent dat de service zelf al kan bepalen welke taal er gesproken wordt en direct kan overschakelen zonder handmatige configuratie.

Ontwikkelaars kunnen de service benaderen via Microsoft Foundry, dat een Realtime‑API aanbiedt die de WebSocket‑patronen van OpenAI’s streaming‑endpoints weerspiegelt. Dezelfde functionaliteit is ook beschikbaar via de Azure Speech SDK, waardoor integratie in Windows‑, Linux‑, mobiele‑ en web‑applicaties mogelijk is met minimale code‑aanpassingen. Microsoft’s documentatie benadrukt dat de API ruwe audiokaders accepteert en JSON‑gecodeerde transcriptfragmenten terugstuurt, waardoor hij compatibel is met bestaande realtime‑pijplijnen. Met andere woorden, de API is ontworpen om eenvoudig te koppelen aan bestaande systemen die al met audio‑streams werken.

Benchmarkprestaties en nauwkeurigheid

Artificial Analysis, een onafhankelijk benchmark‑platform, plaatste MAI‑Transcribe‑2‑Streaming bovenaan zijn leaderboard voor streaming‑woord‑fout‑percentage (WER), waarbij achtendertig modellen werden vergeleken op een gemeenschappelijke testmix van acht uur. Volgens de benchmark behaalde het model een WER van 2,5 % voor definitieve transcripties met een gemiddelde latentie van 0,13 seconden, en dezelfde 2,5 % WER voor de eerste gedeeltelijke resultaten die in 0,12 seconden werden geleverd. MarkTechPost rapporteerde deze cijfers en merkte op dat de testmix een verscheidenheid aan sprekers, accenten en achtergrondgeluiden omvatte. Deze resultaten laten zien dat de service zowel snel als nauwkeurig is, zelfs onder diverse auditieve omstandigheden.

De eigen metingen van Microsoft vormen de basis van de benchmarkcijfers, en het bedrijf waarschuwt dat snelheidsclaims buiten de Artificial‑Analysis‑test als interne schattingen moeten worden beschouwd. De openbare preview bevat geen productie‑grade service‑level agreement, wat betekent dat ondernemingen die mission‑critical implementaties overwegen, de betrouwbaarheid en latentie onder hun eigen werklasten moeten evalueren voordat ze overstappen naar een betaald niveau. Met andere woorden, bedrijven moeten zelf testen of de prestaties voldoen aan hun specifieke eisen voordat ze een formele SLA aangaan.

Prijzen, gerelateerde modellen en preview‑limieten

Voor de duur van de preview heeft Microsoft een introductieprijs vastgesteld van vierenvijftig cent per uur verwerkte audio, een tarief dat van kracht blijft tot het einde van 2026. De preview biedt geen formele SLA, en gebruik boven de aangekondigde benchmarkcijfers is niet gegarandeerd. Naast de transcriptieservice heeft Microsoft ook MAI‑Voice‑2.1 en Voice‑2.1‑Flash uitgebracht, waarbij de laatstgenoemde wordt geadverteerd als in staat om vijfenveertig seconden synthetische spraak te genereren met een end‑to‑end‑latentie van ongeveer 150 milliseconden tegen een kostprijs van vijftien dollar per miljoen tekens.

Het Flash‑model is bedoeld voor scenario’s met lage latentie bij spraakgeneratie, zoals interactieve assistenten of realtime‑dubbing, en vult de streaming‑transcriptie‑engine aan door een snelle, hoogwaardige stemoutput‑route te bieden. Beide modellen delen dezelfde integratie‑oppervlakte via Microsoft Foundry, waardoor ontwikkelaars transcriptie en synthese kunnen koppelen in één enkele WebSocket‑sessie indien gewenst. Dit maakt het mogelijk om een volledige spraak‑naar‑tekst‑naar‑spraak‑workflow in één doorlopende verbinding te realiseren.

• Ondersteunt 60 talen met automatische detectie
• Initiële hypothese gegenereerd in ~100 ms na ontvangst van audio
• Benchmark‑gerapporteerde 2,5 % WER bij 0,13 s latentie voor definitieve resultaten
• Introductieprijs van $0,54 per audio‑uur (preview‑periode)
• Toegang via Microsoft Foundry Realtime API en Azure Speech SDK

De combinatie van lage latentie, meertalige dekking en een transparant prijsmodel opent nieuwe mogelijkheden voor ontwikkelaars die live‑ondertiteling, meertalige call‑center‑analyse of realtime‑vertalingsdiensten bouwen. Omdat de service gedeeltelijke resultaten streamt, kunnen applicaties beginnen met het verwerken van tekst voordat de spreker klaar is, waardoor de end‑to‑end‑reactietijd voor downstream‑AI‑componenten zoals sentimentanalyse of intentdetectie wordt verkort. De bescheiden kostenstructuur verlaagt bovendien de drempel voor startups en onderzoeksteams die eerder afschrikt werden door hoge per‑minuut‑tarieven voor cloud‑transcriptie.

Voor organisaties die actief zijn in Engelssprekende markten betekent de preview dat realtime‑spraakinterfaces nu kunnen worden ingezet tegen een fractie van de kosten van eerdere Azure Speech‑aanbiedingen, terwijl ze toch een breed scala aan talen voor wereldwijde teams dekken. Bedrijven kunnen experimenteren met live‑ondertiteling voor webinars, instant‑subtitles integreren in videoplatforms, of voice‑gedreven klantenservice verrijken met on‑the‑fly transcriptie, allemaal zonder zich te binden aan een productie‑SLA totdat de service de previewfase verlaat.