# Microsoft випустила стримінгову транскрипцію за $0,54 за годину > Microsoft 1 жовтня випустила MAI-Transcribe-2-Streaming за $0,54 за годину з першою гіпотезою за 320 мс, щоб прибрати паузи в голосових агентах. - Опубліковано: 2 жовтня 2026 р. (2026-10-02T01:47:35.690062+00:00) - Розділ: AI-інструменти - На основі публікації: [SiliconANGLE AI](https://siliconangle.com/2026/10/01/microsoft-targets-ultra-realistic-voice-agents-with-its-first-streaming-transcription-model/) - Видання: AiiN (https://aiin.news) - URL: https://aiin.news/article?slug=microsoft-%D0%B2%D0%B8%D0%BF%D1%83%D1%81%D1%82%D0%B8%D0%BB%D0%B0-%D1%81%D1%82%D1%80%D0%B8%D0%BC%D1%96%D0%BD%D0%B3%D0%BE%D0%B2%D1%83-%D1%82%D1%80%D0%B0%D0%BD%D1%81%D0%BA%D1%80%D0%B8%D0%BF%D1%86%D1%96%D1%8E-%D0%B7%D0%B0-0-54-%D0%B7%D0%B0-%D0%B3%D0%BE%D0%B4%D0%B8%D0%BD%D1%83 --- Microsoft 1 жовтня випустила MAI-Transcribe-2-Streaming — першу стримінгову модель транскрипції в родині MAI. Ціна — $0,54 за годину аудіо. Стримінг скорочує паузи між репліками: транскрипт уточнюється, поки людина говорить. Для білдерів голосових продуктів це означає, що живі субтитри й ранній старт обробки запиту стають базовим сценарієм, а не окремою фічею. Microsoft разом із транскрипцією випустила дві моделі синтезу мовлення, тож команда отримує розпізнавання й озвучення з однієї лінійки MAI. [За даними SiliconANGLE](https://siliconangle.com/2026/10/01/microsoft-targets-ultra-realistic-voice-agents-with-its-first-streaming-transcription-model/), ставка зроблена на агентів, які слухають і відповідають майже як люди. У підтримці й продажах це відчутно особливо: клієнт чекає реакції без пауз. ## Що вміє MAI-Transcribe-2-Streaming? MAI-Transcribe-2-Streaming приймає мовлення через WebSocket і повертає транскрипт, який уточнюється, поки людина говорить, а після завершення фрази позначає його як фінальний. Такий режим дає змогу показувати живі субтитри й передавати проміжний текст у наступний крок пайплайну ще до кінця речення. Модель доступна в Vercel AI Gateway з опублікованим прайсом. Microsoft MAI-Transcribe-2-Streaming підтримує понад 60 мов і сама визначає мову співрозмовника. Перші гіпотези модель віддає в середньому за **320 мілісекунд**, але Microsoft не гарантує цю швидкість у всіх сценаріях: відповідь залежить ще й від мережі та системи, яка генерує відповідь. ## Скільки коштує стримінг проти звичайної транскрипції? Microsoft MAI-Transcribe-2-Streaming коштує **$0,54 за годину аудіо**. Звичайна Microsoft MAI-Transcribe-2, яка вийшла минулого місяця, — $0,10 за годину, тобто понад у пʼять разів дешевше. Різниця пояснюється обсягом роботи: стримінгова модель постійно рахує проміжні результати, поки надходить аудіо, а звичайна чекає, коли співрозмовник договорить, і лише тоді обробляє запис. Для кол-центру це два різні бюджети: дорожчий стримінг для діалогів, де рахується кожна десята секунда, і дешевий режим для записів після дзвінка. Вибір варто рахувати за вартістю хвилини діалогу з перебиваннями, а не за погодинним прайсом. ## Що дають MAI-Voice-2.1 і MAI-Voice-2.1-Flash? Microsoft MAI-Voice-2.1 і Microsoft MAI-Voice-2.1-Flash перетворюють текст на мовлення для відповіді агента. Microsoft позиціонує MAI-Voice-2.1 як найкращий вибір для виразнішого й точнішого звуку, а Flash робить ставку на швидшу відповідь і нижчу вартість. Ціни: MAI-Voice-2.1 — **$22 за мільйон символів**, Flash — $15 за мільйон символів; обидві моделі підтримують 23 мови. Голосовий агент у Microsoft складається з 3 моделей: MAI-Transcribe-2-Streaming розпізнає мовлення, Mai-Thinking-1 читає транскрипт і вирішує, що робити далі, MAI-Voice-2.1 повертає звукову відповідь. Розділення дає розробнику окремі ручки для якості, затримки та витрат у кожній ланці. Microsoft прискорює перехід з моделей OpenAI та Anthropic на власну лінійку MAI, хоча залишається великим інвестором обох компаній. У липні керівник Microsoft AI Мустафа Сулейман доручив дослідникам зосередитися на MAI, щоб згодом живити цими моделями агентів Copilot в Excel і Outlook. > «Ми багато платимо Anthropic, тож наша мета — зменшити і зрештоі прибрати ці витрати», — сказав Сулейман в інтервʼю Bloomberg. ## Що робити команді зараз? Microsoft MAI-Transcribe-2-Streaming, MAI-Voice-2.1 і MAI-Voice-2.1-Flash уже доступні в Vercel AI Gateway, тож стек можна перевірити на власному трафіку. Почніть з вузького сценарію, де перебивання й швидкість відповіді прямо впливають на конверсію. - Порівняйте стримінг за $0,54 і пакетний режим за $0,10 на власних записах дзвінків: виміряйте час до першої гіпотези, частку уточнень і ціну діалогу. - Перепишіть обробку WebSocket під проміжні та фінальні транскрипти: додайте підтвердження фіналу, логіку перебивання й ранній виклик наступного кроку пайплайну. - Порахуйте озвучення для 2 сценаріїв: MAI-Voice-2.1 для привітань і продажних реплік, Flash для статусів і довгих відповідей у межах 23 мов. - Оновіть алерти витрат під погодинну оплату стримінгу, щоб пікові дзвінки не перевищили бюджет пакетної транскрипції. --- Теги: AI, Microsoft, VoiceAI, транскрипція, розробка Джерело: AiiN — https://aiin.news/article?slug=microsoft-%D0%B2%D0%B8%D0%BF%D1%83%D1%81%D1%82%D0%B8%D0%BB%D0%B0-%D1%81%D1%82%D1%80%D0%B8%D0%BC%D1%96%D0%BD%D0%B3%D0%BE%D0%B2%D1%83-%D1%82%D1%80%D0%B0%D0%BD%D1%81%D0%BA%D1%80%D0%B8%D0%BF%D1%86%D1%96%D1%8E-%D0%B7%D0%B0-0-54-%D0%B7%D0%B0-%D0%B3%D0%BE%D0%B4%D0%B8%D0%BD%D1%83. Цитуючи, посилайтесь на канонічний URL.