Microsoft MAI-Transcribe-2: Saati 10 Sente Ses Deşifresi

Bir saatlik ses kaydının yazıya dökülmesi 10 sent. Microsoft AI'ın 3 Eylül'de yayına aldığı MAI-Transcribe-2 bu fiyatla geldi; önceki sürüm MAI-Transcribe-1.5 saati 36 sentti, yani indirim yüzde 72. Fiyat 2026 sonuna kadar geçerli bir lansman kampanyası; sonrası açıklanmadı.

Doğruluk ve hız tablosu

Microsoft'un kendi ölçümlerine göre model, 60 dili kapsayan FLEURS çok dilli sınavında ortalama yüzde 5,2 kelime hata oranıyla (WER) birinci. İngilizce odaklı karşılaştırma tablosunda sıralama şöyle: MAI-Transcribe-2 yüzde 2,0, ElevenLabs Scribe v2 yüzde 2,2, önceki sürüm 1.5 yüzde 2,4, Google Gemini 3.5 Transcribe yüzde 2,6, OpenAI GPT-Transcribe yüzde 3,3. Bağımsız Artificial Analysis sıralamasında ise WER'de ikinci, doğruluk-gecikme eğrisinde en verimli nokta.

Hız farkı doğruluk farkından büyük. Medyan işleme hızı gerçek zamanın 410,7 katı; Gemini 3.5 Transcribe 89,9 kat, Scribe v2 54,7 kat, GPT-Transcribe 40 kat. Pratikte bir saatlik kayıt 10 saniyenin altında dönüyor.

Özellikler

• Konuşmacı ayrımı (kimin ne zaman konuştuğu) ve kelime düzeyinde zaman damgası
• Anahtar kelime yönlendirme: ürün adları, kişi isimleri gibi özel terimleri önceden verip tanımayı iyileştirme
• İki çıktı biçimi: "birebir" (eee, hımm dahil) ve "temiz"
• Otomatik dil tanıma ve cümle içinde dil değiştirmeyi (Hinglish, Spanglish gibi) takip etme
• Gürültülü ses kayıtlarına dayanıklılık

Model Microsoft Foundry, MAI Playground ve OpenRouter üzerinden kullanılabiliyor. İkincil kaynaklara göre modeli yaklaşık 10 kişilik bir çekirdek ekip geliştirdi; Microsoft bu sayıyı resmî duyuruda vermiyor.

Bir haftada üçüncü lansman

Bu, ses tanımada sekiz günde üçüncü büyük çıkış: Google 28 Ağustos'ta Gemini 3.5 Transcribe'ı, Meta bu hafta Muse Voice Transcribe'ı duyurmuştu. Üç şirket de aynı müşteriyi hedefliyor: çağrı merkezi, toplantı notu ve altyazı hacmi olan kurumlar. Fiyatın saat başına sentlere inmesi bu rekabetin doğrudan sonucu.

Türkçe için ne biliyoruz?

Duyuruda 60 dil deniyor ama dil listesi yayımlanmadı. FLEURS veri setinde Türkçe var; Microsoft'un 60'lık alt kümesine girip girmediğini ve Türkçe WER'in kaç olduğunu şirket açıklamadı. Türkçe iş yükü planlayan bir ekibin ilk yapması gereken, kendi kayıtlarından 30 dakikalık bir örnekle bunu ölçmek.

Maliyet hesabı

Bizim hesabımız şöyle. Günde 200 çağrı alan, çağrı başı ortalama 6 dakika süren bir müşteri hizmetleri ekibi ayda yaklaşık 400 saat ses üretir. Bu hacmin deşifresi MAI-Transcribe-2 ile ayda 40 dolar; eski fiyatla 144 dolar olurdu. Aynı işi bir çalışanın dinleyip özetlemesi ise 400 saatin kendisidir. Deşifre maliyeti sıfıra yaklaşınca soru "yazıya dökelim mi" olmaktan çıkıyor; "dökülen metni hangi modelle analiz edeceğiz" oluyor ve asıl fatura orada oluşuyor. 2027'de fiyatın ne olacağı belirsiz; bu yüzden kampanya fiyatına göre uzun vadeli maliyet modeli kurmayı önermiyoruz. Kayıt alan her işletme için ayrıca KVKK notu: ses verisini yurt dışı sunucuya göndermeden önce açık rıza ve aydınlatma metinlerinizin bu işlemi kapsadığını kontrol edin.

Kaynaklar: Microsoft AI duyurusu, eWeek: karşılaştırma tablosu, Martin Cid Magazine