> ## Content Index > Fetch the complete content index at: https://fomoera.com/llms.txt > Use this file to discover other available public pages before exploring further. # Microsoft dice tener el transcriptor más rápido, preciso y barato, y no es primero en ninguno - URL: https://fomoera.com/microsoft-dice-tener-el-transcriptor-mas-rapido-preciso-y-barato-y-no-es-primero-en-ninguno/ - Published: 2026-09-04T11:00:43.000Z - Updated: 2026-09-04T11:00:43.000Z - Description: Microsoft AI lanzó MAI-Transcribe-2 a 10 centavos de dólar por hora de audio, 72% menos que su primera versión de abril. En el ranking independiente de Artificial Analysis, el modelo va segundo en precisión, segundo en velocidad y no es el más barato de la tabla. - Author: Gerardo Pavez - Tags: Tecnología y Ciencia, IA **TL;DR:** - Microsoft AI lanzó MAI-Transcribe-2 el 3 de septiembre de 2026 a 10 centavos de dólar por hora de audio, 72% menos que los 36 centavos de su primera versión de abril. - En el ranking de Artificial Analysis que el propio anuncio enlaza, el modelo aparece segundo en precisión con 2.0% de error, segundo en velocidad y lejos del primer puesto en precio. - La documentación de Azure, publicada el mismo día, lo clasifica en vista previa pública, sin acuerdo de nivel de servicio y no recomendado para cargas de producción. --- Microsoft AI presentó el jueves 3 de septiembre de 2026 su modelo de reconocimiento de voz MAI-Transcribe-2 y lo anunció con tres superlativos en el mismo titular: el más rápido, el más preciso y el más barato del mundo. Los 10 centavos de dólar por hora de audio son ciertos y quedan 72% por debajo de los 36 centavos que cobraba en abril por MAI-Transcribe-1\. Barato, sin embargo, no es lo mismo que el más barato. En el ranking de Artificial Analysis, la casa de evaluación independiente que el propio comunicado enlaza como respaldo, MAI-Transcribe-2 no encabeza ninguna de las tres categorías. Y la documentación de Azure que Microsoft publicó ese mismo día añade una advertencia ausente del anuncio: el modelo está en vista previa pública, sin acuerdo de nivel de servicio y sin recomendación para cargas de producción. ## Los tres superlativos, contra la tabla que Microsoft cita como respaldo El comunicado de Microsoft admite una parte. En su tercer párrafo reconoce que el modelo queda segundo en el índice de tasa de error de Artificial Analysis. No dice quién va primero ni qué ocurre con las otras dos afirmaciones. La tabla siguiente pone cada superlativo del anuncio junto al modelo que sí encabeza esa categoría, con las cifras del índice de transcripción no continua de Artificial Analysis consultadas el 3 de septiembre de 2026. __Los tres superlativos del anuncio de MAI-Transcribe-2 frente al ranking de Artificial Analysis consultado el 3 de septiembre de 2026__ | Lo que anuncia Microsoft | Quién encabeza en Artificial Analysis | Dónde queda MAI-Transcribe-2 | | ------------------------ | -------------------------------------------------------------- | ---------------------------------------------------- | | El más preciso | Fun-Realtime-ASR-preview, con 1.7% de palabras mal transcritas | Segundo, con 2.0% | | El más rápido | Nova-3, de Deepgram, con factor de velocidad 606.1 | Segundo, con 410.7 | | El más barato | StepAudio 2.5 ASR, con 0.37 dólares por cada 1,000 minutos | 1.67 dólares, por detrás de diez modelos más baratos | Las dos partes tienen razón en terrenos distintos. El "más preciso" de Microsoft se apoya en FLEURS, el banco de pruebas multilingüe que investigadores de Google publicaron en 2022 con hablantes nativos leyendo frases, y ahí la empresa se declara primera en 60 idiomas. El índice de Artificial Analysis mide otra cosa: la mitad de su peso son conversaciones simuladas de agentes y el resto se reparte entre discursos del Parlamento Europeo y llamadas de resultados corporativos. Son dos exámenes distintos, y Microsoft eligió titular con el que gana. Dentro de FLEURS hay una cifra que el anuncio pasa de largo. En junio, con 43 idiomas, Microsoft reportaba una tasa media de error de 3.7%; ahora reporta 5.2% sobre 60 idiomas. VentureBeat lo atribuye a que el promedio incorpora lenguas con menos recursos, donde todos los modelos fallan más, y recomienda pedir el desglose por idioma. Microsoft no lo publica. El factor de velocidad tampoco es un número absoluto. Artificial Analysis lo mide sobre archivos de diez minutos y advierte que el resultado puede cambiar con otras duraciones. Las comparaciones concretas del anuncio sí cuadran con esa tabla: MAI-Transcribe-2 es unas 10 veces más rápido que GPT-Transcribe de OpenAI, unas 7 veces más que Scribe v2 de ElevenLabs y unas 5 veces más que Gemini 3.5 Transcribe. Los tres rivales están nombrados en el comunicado. Deepgram, que va más rápido, no. Es el mismo movimiento que contamos esta semana con otro anuncio de modelo, cuando el mérito dependía de una condición que no estaba en el titular. [Muse Spark 1.3 se midió en un modo aún no disponibleMeta lanzó Muse Spark 1.3 al mismo precio. Su mejor marca en código salió del modo “max”, que aún no está disponible.![](https://fomoera.com/content/images/icon/favicon-b89a0229-ba4b-43d4-a377-7e8d7bdeb493.ico)FomoEraGerardo Pavez![](https://fomoera.com/content/images/thumbnail/fomoera-meta-dice-que-muse-spark-1-3-le-gana-a-opus-5-en-codigo-pero-con-un-modo-que-aun-no-ofrece-2ece5445-16x9-v2-1600x900-a269cdec-ae46-44c7-9090-a3f7710be6cf.webp)](https://fomoera.com/meta-dice-que-muse-spark-1-3-le-gana-a-opus-5-en-codigo-pero-con-un-modo-que-aun-no-ofrece/) ## El precio bajó 72% en cinco meses y la oferta vence al terminar 2026 El descuento sí tiene el tamaño que sugiere el anuncio. MAI-Transcribe-1 salió el 2 de abril de 2026 con 25 idiomas y 36 centavos por hora. MAI-Transcribe-1.5 llegó el 2 de junio con 43 idiomas. La versión de esta semana trae 60 idiomas y cuesta 10 centavos. Para una empresa que procesa 100,000 horas de audio de centro de llamadas al año, la factura pasa de 36,000 a 10,000 dólares, según el cálculo de VentureBeat. Ese precio tiene fecha de caducidad. Microsoft lo describe en su propio anuncio como una oferta por tiempo limitado que corre hasta el cierre de 2026, y no publica cuánto costará después. VentureBeat señala esa ausencia como la primera pregunta que debería hacer cualquiera que arme un modelo de costos con estas cifras. ![Close-up of a golden microphone and laptop used for audio editing.](https://fomoera.com/content/images/2026/09/fomoera-pexels-755416--source.jpg) Imagen ilustrativa: la transcripción es el primer terreno donde Microsoft sustituyó modelos ajenos por los propios · Foto de [Seej Nguyen](https://www.pexels.com/@seej-nguyen-249333?ref=fomoera.com) en [Pexels](https://www.pexels.com/photo/gold-condenser-microphone-near-laptop-computer-755416/?ref=fomoera.com) El margen explica el descuento. VentureBeat recoge que Suleyman, director ejecutivo de Microsoft AI, contó a The Verge en abril que el primer modelo corría a la mitad del costo de GPU de los otros sistemas punteros y lo atribuyó a un equipo de diez personas liberado de la burocracia interna. Microsoft es dueña de Teams, de Nuance y de los servicios de voz de Azure: cada hora de audio que mueve a un modelo propio es una hora que deja de pagarle a otro. ## La documentación de Azure lo pone en vista previa y fuera de producción La página técnica de MAI-Transcribe en Microsoft Learn, fechada el 3 de septiembre de 2026, abre con un aviso estándar de Azure: la función está en vista previa pública, se ofrece sin acuerdo de nivel de servicio, no se recomienda para cargas de producción y algunas capacidades pueden no estar soportadas o llegar limitadas. Esa misma página deja ver el ritmo del laboratorio. MAI-Transcribe-1, el modelo de abril, quedó marcado como obsoleto el 20 de agosto de 2026, menos de cinco meses después de su estreno. Los límites operativos también están ahí y no aparecen en el comunicado: archivos de menos de 300 MB en WAV, MP3 o FLAC, suscripción de Azure obligatoria y un recurso de Microsoft Foundry para Speech. La lista de palabras clave que el anuncio presenta como ventaja para vocabulario médico o legal funciona, según la documentación, como una pista y no como una salida forzada. Ni el anuncio ni la documentación mencionan la transcripción en tiempo real, que es lo que necesitan los agentes de voz y el subtitulado en vivo. El comunicado habla de rendimiento por lotes y de audio largo. Artificial Analysis mantiene un ranking aparte para ese modo. ## El spanglish se maneja solo y el gallego entra a la lista Para el mundo hispanohablante el cambio no está en el español, que MAI-Transcribe ya cubría desde la versión 1.5, sino en dos detalles. El primero es el gallego, que aparece por primera vez en la tabla de idiomas soportados junto con el afrikáans, el hebreo, el urdu o el cantonés, entre los 17 que suma esta versión. El segundo es el cambio de código. La documentación indica que el modelo pasa de un idioma a otro a mitad de frase de forma automática, sin parámetro que configurar, y nombra dos casos concretos: el hinglish y el spanglish. VentureBeat lee esa mención como un guiño a los mercados de India y de la comunidad hispana de Estados Unidos, donde una llamada de atención al cliente puede saltar de idioma una docena de veces. Es la conversación de todos los días en un centro de contacto que atiende Tijuana y San Diego con la misma plantilla. Para quien procesa audio en volumen, la cuenta ya cambió. Lo que Microsoft todavía no publica es qué cobrará por esas mismas horas en enero de 2027 ni cuándo el modelo sale de vista previa. *Fuentes:* [1](https://microsoft.ai/news/mai-transcribe-2-is-the-fastest-most-accurate-and-cheapest-speech-recognition-model-in-the-world/?ref=fomoera.com), [2](https://artificialanalysis.ai/speech-to-text/non-streaming?ref=fomoera.com), [3](https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe?ref=fomoera.com), [4](https://venturebeat.com/infrastructure/microsoft-ais-mai-transcribe-2-undercuts-openai-google-and-elevenlabs-on-price-and-speed?ref=fomoera.com)