Microsoft Rilis MAI-Transcribe-2, AI Transkripsi 10x Lebih Cepat dari OpenAI
TEKNOLOGI
Raksasa teknologi Microsoft resmi merilis model kecerdasan buatan terbaru bernama MAI-Transcribe-2. Model ini dirancang khusus untuk transkripsi suara dengan klaim performa yang jauh melampaui pesaing utama.
Secara spesifik, Microsoft menyatakan bahwa MAI-Transcribe-2 mampu memproses audio hingga 10 kali lebih cepat dibandingkan GPT-Transcribe milik OpenAI. Selain itu, model ini juga diklaim 5 kali lebih cepat daripada Gemini 3.5 Transcribe milik Google, dengan tingkat akurasi yang secara signifikan lebih tinggi.
Langkah ambisius ini menempatkan Microsoft di garis depan inovasi pemrosesan bahasa alami. Perusahaan menargetkan pengembang, jurnalis, dan pelaku bisnis yang membutuhkan solusi transkripsi real-time yang andal.
Keunggulan MAI-Transcribe-2: Mengalahkan OpenAI dan Google
Microsoft tidak hanya mengandalkan klaim kecepatan. Model ini telah melewati serangkaian pengujian ketat untuk membuktikan superioritasnya.
Pada benchmark multibahasa "FLEURS" yang mencakup 60 bahasa, MAI-Transcribe-2 berhasil menempati peringkat pertama. Model ini mencatatkan rata-rata Word Error Rate (WER) yang sangat rendah, yakni hanya 5,2 persen.
Selain itu, model ini juga berada di posisi kedua dalam pemeringkatan WER dari Artificial Analysis. Microsoft menyebut pencapaian ini menempatkan MAI-Transcribe-2 di "Pareto Frontier".
Artinya, model ini menawarkan keseimbangan optimal antara kualitas transkripsi yang tinggi dan latensi pemrosesan yang sangat rendah. Pengguna tidak perlu lagi mengorbankan akurasi demi kecepatan, atau sebaliknya.
Fitur Canggih untuk Transkripsi Dunia Nyata
MAI-Transcribe-2 membawa sejumlah peningkatan fitur yang dirancang untuk menangani kompleksitas audio dalam skenario dunia nyata.
Pertama, model ini dilengkapi dengan speaker diarization. Fitur ini mampu membedakan pembicara secara otomatis dan mengaitkan setiap ucapan dengan orang yang tepat. Hal ini sangat krusial untuk transkripsi rapat atau wawancara.
Kedua, tersedianya word-level timestamps. Fitur ini memberikan penanda waktu presisi pada setiap kata. Pengguna dapat dengan mudah mencari, menyunting, dan menyinkronkan teks dengan file audio asli.
Ketiga, model ini mendukung keyword biasing. Sistem dapat mengenali istilah khusus, singkatan teknis, atau nama orang yang sulit dibedakan hanya berdasarkan konteks audio.
Selain itu, MAI-Transcribe-2 juga mendukung identifikasi bahasa otomatis dan penanganan code-switching. Model ini memahami percakapan yang berpindah bahasa secara dinamis, seperti Hinglish (Hindi-Inggris) atau Spanglish (Spanyol-Inggris).
Pengguna juga dapat memilih mode output. Mode verbatim akan mempertahankan kata pengisi dan kesalahan ucapan asli. Sebaliknya, mode clean akan menghapusnya agar teks akhir lebih rapi dan mudah dibaca.
Harga Sangat Kompetitif, Hanya Rp1.700 per Jam
Di sisi komersial, Microsoft menawarkan harga yang sangat agresif untuk menggerus pangsa pasar pesaing.
MAI-Transcribe-2 dibanderol dengan tarif 0,10 dollar AS atau sekitar Rp1.700 per jam audio. Perhitungan ini berdasarkan asumsi kurs Rp17.000 per dollar AS.
Microsoft menegaskan bahwa tarif ini merupakan harga paling kompetitif di pasar saat ini. Sebagai perbandingan, pendahulunya, MAI-Transcribe-1, dibanderol hingga 0,36 dollar AS (sekitar Rp6.100) per jam.
Namun, perlu dicatat bahwa harga promo 0,10 dollar AS ini bersifat terbatas hingga akhir tahun 2026. Microsoft belum mengumumkan harga normal yang akan berlaku setelah periode promosi berakhir.
Ketersediaan dan Cara Mengakses
Bagi pengembang yang ingin segera menguji kemampuan model ini, akses sudah dibuka.
MAI-Transcribe-2 saat ini sudah dapat dijajal melalui platform Microsoft Foundry dan MAI Playground.
Selain itu, Microsoft juga berencana mengintegrasikan model ini ke platform API pihak ketiga. Dalam waktu dekat, MAI-Transcribe-2 akan hadir di OpenRouter API, memperluas jangkauan ekosistem pengembang global.
Analisis Akhir: Dampak ke Depan bagi Industri Transkripsi
Kehadiran MAI-Transcribe-2 menandai pergeseran paradigma dalam industri pemrosesan audio. Microsoft berhasil membuktikan bahwa kecepatan dan akurasi tidak harus saling mengorbankan.
Dengan harga yang sangat terjangkau dan fitur yang komprehensif, model ini berpotensi mendemokratisasi akses terhadap teknologi transkripsi kelas enterprise.
UMKM, kreator konten, hingga lembaga pendidikan kini dapat mengadopsi solusi ini tanpa beban biaya infrastruktur yang tinggi.
Ke depannya, persaingan di sektor AI transkripsi akan semakin ketat. OpenAI dan Google diprediksi akan segera merespons dengan pembaruan model mereka sendiri. Namun untuk saat ini, Microsoft memegang kendali penuh atas narasi efisiensi dan akurasi.
Silahkan tinggalkan pesan jika Anda punya saran, kritik, atau pertanyaan seputar topik pembahasan.