Microsoft MAI : transcription en direct dans 60 langues
Image générée par IA (Google Gemini)
Rédigé à partir de la source originale; chaque fait est vérifié contre le texte source.
Annonce commerciale : ce document émane de l'entreprise concernée.
À retenir
- MAI-Transcribe-2-Streaming transcrit en continu dans 60 langues, avec détection automatique de la langue, et renvoie ses premières hypothèses en quelques centaines de millisecondes, selon Microsoft.
- Microsoft dit que les mots apparaissent le plus souvent dès 320 millisecondes après avoir été prononcés, contre plus de 500 millisecondes pour la concurrence la plus proche, et classe son modèle premier en précision à l'indice d'Artificial Analysis.
- MAI-Voice-2.1 génère de la parole en 23 langues en gardant la même identité vocale d'une langue à l'autre; la version Flash vise la rapidité et le volume.
- Microsoft affirme que Flash est 55 % plus rapide et 60 % moins cher que les modèles concurrents de sa catégorie, selon une comparaison qu'elle fournit elle-même, qui cite la documentation d'ElevenLabs.
- Prix annoncés : 0,54 $ US l'heure d'audio pour la transcription en continu (tarif d'introduction jusqu'à la fin de 2026), 22 $ US et 15 $ US par million de caractères pour les deux voix.
Pourquoi ça compte
Un agent vocal doit écouter, réfléchir et répondre sans pauses gênantes : le délai de transcription et de synthèse en est le goulot. L'annonce rend ces briques disponibles chez un grand fournisseur infonuagique, mais les gains cités n'ont, pour l'instant, que Microsoft pour garant.
Chiffre-clé
320 millisecondes : délai au bout duquel un mot peut apparaître dans la transcription, au plus tôt, selon Microsoft, le 1er octobre 2026.
Action concrète
Recommandation du site : avant d'envoyer des appels de clientèle à un service de transcription infonuagique, vérifier où les données sont traitées et conservées, et mesurer la qualité sur du français québécois réel, ce que l'annonce ne documente pas.
Repères datés
- 2026-10-01 - Microsoft présente MAI-Transcribe-2-Streaming, MAI-Voice-2.1 et MAI-Voice-2.1-Flash dans Foundry.
Fondée sur la source originale
Sources
🔧 Outils mentionnés