Microsoft zet MAI-Transcribe-2 op tien dollarcent per uur audio

Microsoft brengt MAI-Transcribe-2 uit en zet het spraakmodel op tien dollarcent per uur audio, een tijdelijk tarief tot eind dit jaar. Dat is 72 procent onder de prijs van zijn eigen voorganger van vijf maanden geleden.

Voor een Nederlandse organisatie die klantgesprekken, consulten of vergaderingen laat uitschrijven, is de modelprijs daarmee geen obstakel meer. Vijfduizend uur gesprek per jaar kost bij Microsoft 500 dollar, bij ElevenLabs 1.100, bij OpenAI 1.350 en bij Google 1.500. Op een jaarbegroting voel je dat verschil nauwelijks. De keuze valt dus niet meer op de prijs per uur, maar op drie dingen die minder in het oog springen: het model staat in public preview zonder servicegarantie, het draait in maar vier Azure-regio's, en op Nederlandse audio is het niet de nauwkeurigste.

Tien cent tegen dertig cent

MAI-Transcribe-1 begon op 2 april op 36 dollarcent per uur en opvolger MAI-Transcribe-1.5 hield dat tarief in juni aan. Meetbureau Artificial Analysis, dat modellen test zoals een klant ze aanroept, rekent het nieuwe tarief om naar 1,67 dollar per duizend audiominuten en zet zo alle aanbieders op dezelfde eenheid.

ElevenLabs vraagt 0,22 dollar per uur voor Scribe v2 en 0,39 dollar voor de realtime-variant. OpenAI rekent voor gpt-transcribe 0,0045 dollar per minuut, ofwel 27 dollarcent per uur. Google's Gemini 3.5 Transcribe kwam uit op ongeveer dertig dollarcent per uur opname, en Meta zette Muse Voice Transcribe op achttien dollarcent per uur verwerkte audio. Ook binnen Azure zelf is tien cent laag: de gewone batchtranscriptie van Azure Speech staat op 18 dollarcent per uur, de realtime-dienst op een dollar.

Wat de superlatieven wel en niet zeggen

Microsoft noemt het model het snelste, nauwkeurigste en goedkoopste ter wereld. Op de ranglijst waar het bedrijf zelf naar verwijst klopt geen van die drie letterlijk. Op de woordfoutindex van Artificial Analysis staat MAI-Transcribe-2 op 2,0 procent, achter Alibaba's Fun-Realtime-ASR-preview op 1,7 procent. Op snelheid haalt het 410,7 keer realtime, achter Nova-3 van Deepgram op 607,7 keer. En goedkoper kan ook: StepAudio 2.5 ASR staat op 0,37 dollar per duizend minuten, ruim vier keer onder het tarief van Microsoft. Wat wel klopt is de combinatie, want geen enkel model is tegelijk nauwkeuriger en sneller.

Die snelheid is voor batchwerk het echte verschil. GPT Transcribe van OpenAI draait 40,0 keer realtime, Scribe v2 van ElevenLabs 53,2 keer. Een uur vergadering is daarmee bij Microsoft na ongeveer negen seconden verwerkt, bij OpenAI na anderhalve minuut. Voor een nachtelijke batch maakt dat weinig uit. Voor een gesprek dat meteen na afloop samengevat in het dossier moet staan, wel.

De vergelijking is ook selectief. Microsoft zet zich af tegen de grote AI-labs en noemt Deepgram, AssemblyAI, Speechmatics en Rev niet, de specialisten die transcriptie al tien jaar aan bedrijven verkopen en die de prijsdruk het hardst gaan voelen.

Wat er standaard in zit

In dat uurtarief zitten functies die specialisten vaak los afrekenen: diarisatie (wie zegt wat), tijdstempels per woord, keyword biasing voor vakjargon, een verbatim- en een clean-stand, automatische taalherkenning en code switching binnen een zin.

De standaardwaarden staan alleen niet zoals je zou verwachten. Diarisatie staat uit, tijdstempels staan op none en de stijl staat op verbatim. Wie een leesbaar verslag wil, zet transcribeStyle op clean; wie voor compliance elke aarzeling en valse start nodig heeft, laat hem staan. Bestanden mogen tot 300 MB, in WAV, MP3 of FLAC. Over streaming zegt de aankondiging niets: dit is een model voor opgenomen audio.

Nederlands zit erbij, maar niet bovenaan

Nederlands staat als nl in de talentabel van zowel MAI-Transcribe-1.5 als het nieuwe model. Interessanter is hoe goed het is. Microsoft publiceert bij de lancering een FLEURS-vergelijking per taal, met de taal vooraf opgegeven. Voor Nederlands ziet die er zo uit.

Twee dingen springen eruit. Nederlands doet het beter dan het gemiddelde over zestig talen, 3,6 tegen 5,2 procent, dus de wereldwijde cijfers onderschatten wat je hier krijgt. En de onderlinge verschillen zijn klein: de bovenste vier modellen liggen binnen vier tiende procentpunt. Op prijs is het gat tussen tien en dertig cent groot, op Nederlandse nauwkeurigheid is het te verwaarlozen.

Waar Microsoft wel duidelijk uitloopt, is zodra je de taal niet vooraf opgeeft. Het gemiddelde blijft dan op 5,2 procent staan, terwijl Gemini 3.1 Pro naar 5,8 procent zakt en Gemini 3.5 Transcribe naar 8,6 procent. Voor een klantcontactteam dat Nederlands, Engels en Pools door elkaar krijgt, is dat het cijfer dat telt.

FLEURS blijft wel voorgelezen tekst, geen echt gesprek. Een teamoverleg met vakjargon, een matige speakerphone en drie mensen die door elkaar praten levert een hoger foutpercentage op. Het getal is een bovengrens, geen belofte.

Waar de audio landt

Voor wie persoonsgegevens verwerkt is de regio de eerste vraag. MAI-Transcribe draait in vier Azure-regio's, waarvan North Europe de enige Europese is: East US, North Europe, Southeast Asia en West US. West Europe, waar veel Nederlandse Azure-omgevingen staan, ondersteunt het model niet.

Dat is geen detail, want Azure Speech verwerkt en bewaart data alleen in de regio van je Speech-resource. Wie binnen de EU wil blijven, zet die resource dus in Ierland en niet in de regio waar de rest van het landschap toevallig al draait.

Preview, en een prijs met een einddatum

De documentatie is expliciet: dit is public preview, zonder servicelevel-afspraak en niet aanbevolen voor productieworkloads. In de Foundry-catalogus staat het model als preview met versiedatum 3 september 2026.

De prijs heeft ook een houdbaarheidsdatum. De tien dollarcent is een lanceeraanbieding tot het einde van dit jaar en een standaardtarief daarna is niet genoemd. Op de officiële Azure-prijslijst staat MAI-transcribe onder LLM Speech nog helemaal zonder tarief. Wie hier een businesscase op bouwt, vraagt het tarief per 1 januari schriftelijk op.

De levenscyclus loopt bovendien hard. MAI-Transcribe-1 verscheen op 2 april en werd op 20 augustus als verouderd gemarkeerd, viereneenhalve maand later.

Drie modellen in vijf maanden

Van 36 naar 10 dollarcent, drie generaties in vijf maanden, en hetzelfde recept dat Microsoft eerder toepaste op een codeermodel met een listprijs 73 procent onder die van zijn voorganger: kies een afgebakende taak, optimaliseer op inferentiekosten, prijs onder de grote labs en zet het model daarna in je eigen producten. Teams, Nuance en de Azure-spraakdiensten draaien op precies dit soort audio.

Die snelheid heeft een keerzijde die op geen enkele prijslijst staat. Een model dat in vijf maanden drie generaties oud wordt, dat in preview draait en waarvan het tarief op 1 januari opnieuw wordt vastgesteld, is geen fundament. Het is een onderdeel. De organisaties die hier het meeste aan overhouden, zijn de organisaties bij wie dat model-id in een configuratieregel staat en niet verweven zit door hun hele applicatie.