Microsoft AI 3. září vydal model MAI-Transcribe-2 a označil ho za nejrychlejší, nejpřesnější a nejlevnější dostupný model pro rozpoznávání řeči. Model vede v benchmarku FLEURS napříč 60 jazyky s průměrnou chybovostí slov 5,2 %, čímž překonává GPT-Transcribe od OpenAI, Scribe v2 od ElevenLabs i Gemini 3.5 Transcribe od Googlu.
Microsoft uvádí, že model zpracovává dlouhé nahrávky až 10krát rychleji než GPT-Transcribe a zároveň podráží konkurenci cenou pouhých 0,10 dolaru za hodinu zvuku (platí do konce roku 2026) — výrazný pokles z 0,36 dolaru, za kolik startoval jeho předchůdce. Mezi novými funkcemi jsou rozlišení mluvčích, časové značky na úrovni jednotlivých slov, zvýraznění klíčových slov a automatické přepínání jazyků u vícejazyčných rozhovorů, například hindsko-anglických nebo španělsko-anglických.
Model je nyní dostupný ve veřejné verzi přes Microsoft Foundry, MAI Playground a Open Router, což zesiluje konkurenci na rychle rostoucím trhu nástrojů pro AI přepis řeči.