Microsoft MAI-Transcribe-2-Streaming: lider benchmarka, još ne za produkciju
Novi Microsoftov model vodi na javnom testu streaming transkripcije, ali preview status bez SLA znači da treba pokrenuti pilot, a ne migraciju.
Šta je objavljeno
Microsoft je 1. oktobra objavio MAI-Transcribe-2-Streaming, model za transkripciju govora u realnom vremenu na 60 jezika, sa automatskim prepoznavanjem jezika. Model vraća privremene rezultate dok korisnik govori, a zatim potvrđuje konačne segmente; uvodna cena do kraja 2026. iznosi 0,54 dolara po satu zvuka.
Benchmark nije ugovor
Microsoft navodi da model vodi na Artificial Analysis testu i za privremene i za konačne transkripte. Rang-lista trenutno obuhvata 38 streaming modela, ali Azure dokumentacija istovremeno kaže da je servis u javnoj probnoj verziji, bez SLA i bez preporuke za produkciju.
Naš potez
Virtual Arc bi odmah napravio pilot preko postojećeg interfejsa za dobavljače i uporedio model na stvarnim pozivima, stručnim terminima, akcentima i lošim vezama. Produkcioni saobraćaj ne bismo selili pre opšte dostupnosti, stabilne cene i rezultata koji popravljaju trošak po uspešno završenom razgovoru.
Microsoftov MAI-Transcribe-2-Streaming je dovoljan razlog da ove nedelje ponovo otvorimo procenu govorne infrastrukture, ali nije dovoljan razlog da menjamo produkcionog dobavljača. Model radi streaming transkripciju na 60 jezika, uvodna cena je 0,54 dolara po satu zvuka, a Microsoft navodi da je prvi na Artificial Analysis rang-listi i za privremene i za konačne transkripte. Međutim, za operatera je važnija napomena u dokumentaciji: usluga je i dalje u javnoj probnoj verziji, nema SLA i Microsoft je ne preporučuje za produkciona opterećenja. Virtual Arc bi je zato stavio iza istog apstrakcionog sloja kao postojeći STT servis, pustio reprezentativan korpus poziva i uključio shadow test bez uticaja na korisnike. Merili bismo trošak po uspešno završenom razgovoru, broj ispravki, ponašanje na kraju iskaza, učestalost prelaska na rezervni model i p95 latenciju, a ne samo procenat pogrešno prepoznatih reči. Dok model ne dobije opštu dostupnost, stabilnu cenu i dobre rezultate na našim jezicima, akcentima i stručnom rečniku, postojeći dobavljač bi ostao podrazumevani. Dakle: testirati odmah, migrirati tek kada pouzdanost postane ugovorna, a ne promotivna.