MAI-Transcribe-2 modeli, Microsoft’un yapay zeka birimi tarafından 3 Eylül 2026’da duyuruldu ve sektördeki en ucuz, en hızlı konuşma tanıma sistemlerinden biri olarak tanıtıldı. Yeni model, ses kaydını metne çeviren hizmetlerde saatlik maliyeti 10 sente kadar indirirken, 60 dilde OpenAI, Google ve ElevenLabs’in modellerinden daha hızlı sonuç verdiğini iddia ediyor. Bu gelişme, çağrı merkezleri, toplantı kayıtları ve altyazı üretimi gibi ses-metin dönüşümüne bağımlı işler için maliyet dengesini kökten değiştirebilir.
Microsoft AI CEO’su Mustafa Suleyman, modelin amacının şirketin kendi altyapısına bağımlı kurumsal müşterilere üçüncü taraf servislere karşı dünya standartlarında bir alternatif sunmak olduğunu belirtti. MAI-Transcribe-2, şirketin Nisan 2026’da 25 dille başlattığı, Haziran’da 43 dile çıkardığı transkripsiyon model ailesinin üçüncü ve en kapsamlı sürümü.
MAI-Transcribe-2 Fiyatlandırması Neden Önemli?
Önceki sürüm MAI-Transcribe-1, saatlik ses başına 0,36 dolara mal oluyordu. Yeni model bu rakamı 0,10 dolara indirerek yaklaşık yüzde 72’lik bir düşüş sağladı. Microsoft’un paylaştığı örneğe göre, yılda 100.000 saat çağrı kaydı işleyen bir kurumsal müşteri için toplam maliyet 36.000 dolardan 10.000 dolara geriliyor.
- MAI-Transcribe-1 (Nisan 2026): 25 dil, saatte 0,36 dolar
- MAI-Transcribe-1.5 (Haziran 2026): 43 dil, ortalama kelime hata oranı yüzde 3,7
- MAI-Transcribe-2 (Eylül 2026): 60 dil, saatte 0,10 dolar, ortalama kelime hata oranı yüzde 5,2
Kelime hata oranındaki artışın bir gerileme olmadığını belirtmek gerekir; Microsoft bunun daha az yaygın dillerin de kapsama alanına girmesinden kaynaklandığını açıklıyor. Yani model daha zor dilleri de kapsadığı için ortalama rakam yükseliyor, ama İngilizce ve diğer yaygın dillerdeki doğruluk büyük ölçüde korunuyor.
Hız ve Doğruluk Karşılaştırması
FLEURS kıyaslama testinde 60 dilin tamamında birinci sırada yer alan model, Artificial Analysis lider tablosunda genel doğrulukta ikinci sırada konumlanıyor. Şirketin iddiasına göre MAI-Transcribe-2, doğruluk-gecikme dengesinde rakipsiz bir sınır çiziyor; şirketin test kümesinde hız ve doğruluk arasındaki Pareto dengesini iyileştirdiği ileri sürülüyor.
| Model | Hıza Göre Kıyas |
|---|---|
| OpenAI GPT-Transcribe | MAI-Transcribe-2’den 10 kat yavaş |
| ElevenLabs Scribe v2 | MAI-Transcribe-2’den 7 kat yavaş |
| Google Gemini 3.5 Transcribe | MAI-Transcribe-2’den 5 kat yavaş |
Öne Çıkan Teknik Özellikler
- Konuşmacı ayrıştırma (kimin ne zaman konuştuğunu tespit etme)
- Kelime düzeyinde zaman damgası
- Alan terimlerine yönelik anahtar kelime yönlendirmesi
- Otomatik dil tespiti ve karışık dil desteği (Türkçe-İngilizce karışık konuşmalar dahil)
- Ham/temizlenmiş çıktı modu ve arka plan gürültüsüne dayanıklılık
Bu Gelişme Kimleri Etkiler?
Çağrı merkezi yazılımları, toplantı kayıt araçları ve altyazı platformları için konuşma tanıma maliyeti genellikle en büyük işletme giderlerinden biri. Fiyatların bu ölçekte düşmesi, özellikle orta ölçekli yazılım şirketlerinin kendi ürünlerine ses-metin özelliği eklemesini ekonomik olarak daha erişilebilir hale getiriyor. Türkiye’deki yazılım ekiplerinin de AI API entegrasyonu yaparken maliyet karşılaştırmasına bu modeli dahil etmesi mantıklı olur; zira model şu an Microsoft Foundry ve MAI Playground üzerinden API olarak erişime açık.
Öte yandan bu tür fiyat rekabetinin sürdürülebilirliği konusunda temkinli olmakta fayda var. Büyük teknoloji şirketleri arasındaki fiyat kırma yarışı kısa vadede tüketiciye avantaj sağlasa da, uzun vadeli fiyatlandırma politikaları değişebilir. Üretim ortamına entegre etmeden önce hizmet şartlarını ve olası fiyat güncellemelerini takip etmekte fayda var.
Geliştiriciler İçin Kontrol Listesi
- Mevcut ses-metin sağlayıcınızın saatlik maliyetini MAI-Transcribe-2 ile karşılaştırın.
- Desteklenen 60 dil listesinde hedef kitlenizin dillerinin bulunduğunu doğrulayın.
- MAI Playground üzerinden küçük bir örnek ses dosyasıyla doğruluk testine bakın.
- Konuşmacı ayrıştırma ve zaman damgası gibi özelliklerin API yanıt formatını inceleyin.
- Veri saklama ve gizlilik politikalarını kurumsal uyumluluk gereksinimlerinize göre kontrol edin.
Microsoft’un bu hamlesi, konuşma tanıma pazarında fiyat baskısını artırırken, OpenAI, Google ve ElevenLabs’in yanıtının ne olacağı önümüzdeki aylarda netleşecek. Rekabetin kızışması, geliştiriciler ve işletmeler için kısa vadede daha uygun fiyatlı seçenekler anlamına geliyor. Kaynak olarak Microsoft’un resmi duyurusunu ve bağımsız değerlendirmeleri incelemek isteyenler VentureBeat’in konuyla ilgili haberine göz atabilir.
Türkiye’deki Yazılım Ekipleri İçin Ne Değişir?
Türkiye merkezli SaaS ürünlerinde, özellikle çağrı merkezi kalite kontrolü, podcast/video altyazılama ve toplantı özetleme araçlarında konuşma tanıma maliyeti doğrudan kâr marjını etkiliyor. Dolar bazlı API faturalandırması yapan küçük ve orta ölçekli ekipler için saatlik maliyetin 0,36 dolardan 0,10 dolara inmesi, aylık binlerce saatlik ses işleyen bir üründe önemli bir gider kalemini küçültebilir. Yine de kur riski, KDV ve yerel veri saklama gereksinimleri gibi faktörlerin ayrı ayrı değerlendirilmesi gerekiyor.
Bunun yanında, düşük maliyetli bir modelin otomatik olarak “en doğru” model anlamına gelmediğini de unutmamak gerekir. Türkçe gibi eklemeli bir dilde konuşmacı ayrıştırma ve noktalama doğruluğu, İngilizce kadar olgun olmayabilir. Üretime almadan önce gerçek Türkçe ses örnekleriyle küçük ölçekli bir pilot test yapmak, beklenmedik doğruluk sorunlarının önüne geçer.
Rakiplerin Tepkisi Ne Olabilir?
OpenAI, Google ve ElevenLabs’in konuşma tanıma pazarındaki payını korumak için kısa vadede fiyat indirimine gitmesi ya da yeni özellik paketleriyle farklılaşmaya çalışması olası senaryolardan biri. Geçmişte büyük dil modeli pazarında yaşanan benzer fiyat rekabetleri, birkaç ay içinde rakip şirketlerin de fiyatlarını aşağı çektiğini gösteriyor. Bu nedenle bugün en ucuz seçenek olan modelin, birkaç ay sonra da öyle kalacağının garantisi yok; API entegrasyonlarını mümkün olduğunca sağlayıcıdan bağımsız (provider-agnostic) tasarlamak uzun vadede esneklik sağlar.
Sık Sorulan Sorular
MAI-Transcribe-2 modeli nedir?
MAI-Transcribe-2 modeli, Microsoft AI tarafından geliştirilen ve 60 dilde konuşmayı metne çeviren bir yapay zeka modelidir. Eylül 2026’da tanıtılmış olup saatte 0,10 dolarlık fiyatıyla sektördeki en ucuz seçeneklerden biri konumunda.
MAI-Transcribe-2 hangi dilleri destekliyor?
Model toplam 60 dili destekliyor ve Hinglish, Spanglish gibi karışık dil konuşmalarını da tanıyabiliyor. Bu sayı, Haziran 2026’daki 43 dilden ve Nisan 2026’daki 25 dilden artırılmış durumda.
MAI-Transcribe-2 fiyatı ne kadar?
Saatlik ses işleme başına 0,10 dolar olarak fiyatlandırılıyor. Bu, önceki sürüm MAI-Transcribe-1’in 0,36 dolarlık fiyatına göre yaklaşık yüzde 72 daha ucuz.
MAI-Transcribe-2’ye nereden erişilebilir?
Model, Microsoft Foundry model pazarı ve MAI Playground test ortamı üzerinden API olarak kullanıma sunuldu. Geliştiriciler mevcut hesaplarıyla doğrudan entegrasyon yapabilir.
MAI-Transcribe-2 rakiplerinden gerçekten daha mı hızlı?
Microsoft’un paylaştığı verilere göre model, OpenAI’nin GPT-Transcribe modelinden 10 kat, ElevenLabs Scribe v2’den 7 kat, Google Gemini 3.5 Transcribe’dan ise 5 kat daha hızlı çalışıyor. Bu rakamlar şirketin kendi testlerine dayanıyor; bağımsız doğrulamaların zamanla artması bekleniyor.
43 ve 60 dil ortalamalarını farklı test kapsamlarıyla doğrudan gerileme/ilerleme diye yorumlamayın; aynı dil ve veri kümesiyle karşılaştırın. WER, noktalama/konuşmacı ayrıştırma başarısıyla aynı metrik değildir. Saatlik fiyat ses süresine aittir; gerçek maliyete tekrar denemeler, minimum faturalandırma, depolama ve ağ da eklenebilir. 10×/7×/5× hız oranları her ses uzunluğu, donanım ve eşzamanlılık için garanti değildir. Bu makalede Türkçe benchmark testi yapılmadı.
