← Главная новостей | Торговый зал
2026-11-03 · Источник:36氪快讯·中继

MAI-Voice-2.1 представлена в двух версиях: тарификация 22 и 15 долларов за миллион символов.
1 октября Microsoft объявила о выходе новой модели транскрипции MAI-Transcribe-2-Streaming и установила на неё стартовую promotional-цену 0,54 доллара за час аудио, действующую до конца этого года. Этот тариф снижает порог коммерческого использования распознавания речи до легко просчитываемого уровня и становится очередным публичным ценовым шагом Microsoft на рынке речевого ИИ.
Вместе с MAI-Transcribe-2-Streaming были представлены две новые модели генерации речи: MAI-Voice-2.1 и MAI-Voice-2.1-Flash. Вместе эти три модели образуют продуктовую линейку, одновременно покрывающую распознавание и генерацию речи. Однако тарификация у них разная: модель транскрипции оплачивается по часам аудио, а модели генерации речи — по объёму символов. MAI-Voice-2.1 стоит 22 доллара за 1 миллион символов, версия Flash — 15 долларов за 1 миллион символов, что примерно на 30% ниже стандартной версии.
С точки зрения позиционирования, эта линейка чётко ориентирована на два различных типа рабочих нагрузок. MAI-Transcribe-2-Streaming предназначена для сценариев потоковой транскрипции в реальном времени: протоколирование встреч, архивация записей колл-центров, субтитры трансляций и обработка интервью. Почасовая тарификация естественным образом соответствует объёмам бизнеса таких покупателей, как call-центры и медиакомпании. Серия MAI-Voice-2.1 ориентирована на синтез речи: голосовые ассистенты, производство аудиоконтента, роботизированные обзвоны. Оплата по символам привязана к объёму текста, что упрощает контент-командам планирование затрат. Наличие обоих направлений — распознавания и генерации — позволяет заказчику закрыть всю речевую цепочку одним поставщиком, снижая сложность интеграций и биллинга при сборке решения из продуктов разных вендоров.
Для компаний, закупающих речевые возможности в больших объёмах, ключевая ценность этих цифр — предсказуемость. Длительность аудио и количество символов — метрики, которые заказчик может оценить самостоятельно: команда, обрабатывающая 10 тысяч часов записей колл-центра в день, может напрямую умножить часы на тариф и получить порядок счёта; платформа, генерирующая сотни миллионов символов речи в месяц, также может сопоставить объём с тарифными уровнями MAI-Voice-2.1 или версии Flash. Часовая цена 0,54 доллара сводит порог тестирования транскрипции к наглядному уровню, а льготное окно до конца года задаёт чёткий период недорогой валидации — за это время компании могут провести оценку качества модели, нагрузочное тестирование и интеграцию с внутренними системами, не опасаясь выхода затрат на проверку из-под контроля.
Важно учитывать граничные условия: раскрыта только ограниченная по времени стартовая цена. Какой будет долгосрочная цена MAI-Transcribe-2-Streaming после закрытия окна в конце года, в анонсе не сообщается. Это означает, что при планировании годового бюджета закупщикам следует закладывать запас гибкости на случай пересмотра цен. Разумный подход — рассматривать льготный период как окно для P.O.C. и поэтапного внедрения, а масштабные коммерческие контракты заключать только после прояснения долгосрочных цен, сохраняя при этом возможность замены движка транскрипции в технической архитектуре — это даст рычаги для переговоров и миграции, если долгосрочный тариф заметно вырастет.
С отраслевой точки зрения, ценообразование на речевой ИИ быстро движется к «предсказуемой удельной стоимости». Ещё несколько лет назад распознавание речи тарифицировалось по числу запросов или в токенах, пересчёт которых был затруднителен, и сравнивать предложения было сложно; сегодня котировки в часах и за миллион символов делают речевые возможности товаром, сопоставимым со стандартизированными вычислительными ресурсами. Разница примерно в 30% между стандартной версией MAI-Voice-2.1 и версией Flash продолжает сложившуюся на рынке базовых моделей практику двойного трека: «стандарт — за качество, лёгкая версия — за экономию». Для сценариев, чувствительных к задержкам, но не предъявляющих экстремальных требований к качеству звука, версия Flash даёт явную опцию снижения затрат; для задач, где качество звука критично — брендовые озвучки, публикация контента, — выбором по умолчанию остаётся стандартная версия.
Покупателям ИИ-вычислительных мощностей при принятии решения о закупке стоит обратить внимание на несколько аспектов. Первый — потоковые возможности: суффикс Streaming в названии MAI-Transcribe-2-Streaming указывает на ориентацию на сценарии реального времени, подходящие для колл-центров и совещаний с текстом «на лету», однако следует уточнить у поставщика до закупки, проходит ли пакетная офлайн-транскрипция через тот же канал тарификации. Второй — риск миграции после льготного периода: лимитированная цена с дедлайном в конце года означает возможный скачок счёта в следующем году, финансовой службе стоит смоделировать это заранее. Третий — ловушки пересчёта символов в аудио: генерация речи тарифицируется по символам, но фактическое потребление зависит от языка и обработки пунктуации; рекомендуется в период валидации прогнать биллинг на реальных бизнес-выборках. Четвёртый — стратегия комбинации поставщиков: транскрипцию и синтез можно закупать у разных вендоров, разделяя закупку по типам нагрузки — это часто даёт больше пространства для торга, чем пакетная сделка.
Что касается текущей ситуации на вторичном рынке спот-предложений, активных котировок на эту модель сейчас нет. Это соответствует графику релиза 1 октября и этапу лимитированного старта — подобные API-модели обычно закупаются через официальные каналы подписки, а не поступают на спот-рынок в виде готовых машин или вычислительных инстансов. Покупателям следует опираться исключительно на официальную тарифную документацию и остерегаться любых неофициальных предложений под видом «перепродажи квот моделей MAI».
В целом Microsoft, выходя на рынок транскрипции с лимитированной ценой 0,54 доллара в час в связке с двухуровневыми моделями генерации речи, одновременно дополняет собственную речевую продуктовую линейку и задаёт ценовой ориентир для закупочного рынка. Для покупателей окно до конца года — золотое время для недорогой валидации и интеграции с архитектурой, однако само решение о закупке всё же стоит принимать после того, как прояснятся и долгосрочные цены, и данные о собственных бизнес-объёмах.
В: Какова льготная цена MAI-Transcribe-2-Streaming и до каких пор она действует?
О: Стартовая льготная цена — 0,54 доллара за час аудио, действует до конца этого года; долгосрочная цена после этого срока в анонсе не раскрыта.
В: Как тарифицируется серия MAI-Voice-2.1 и какова разница между уровнями?
О: Стандартная версия — 22 доллара за 1 миллион символов, версия Flash — 15 долларов за 1 миллион символов, то есть Flash примерно на 30% дешевле стандартной версии.
Теги: Microsoft · MAI-Transcribe-2-Streaming · MAI-Voice-2.1 · Speech AI · Speech Synthesis
萬安算交所 AIXX · AIXX · Верифицированная биржа · В торговый зал