התמלול החי של מיקרוסופט: 0.54 דולר לשעה, ומה לגבי עברית?

מיקרוסופט השיקה ב־1 באוקטובר 2026 את MAI-Transcribe-2-Streaming, מודל לתמלול בזמן אמת, לצד שני מודלים להפקת דיבור: MAI-Voice-2.1 ו־MAI-Voice-2.1-Flash. במחיר היכרות של 0.54 דולר לשעת אודיו, התמלול מציע נקודת פתיחה לבניית כתוביות חיות וכלי שירות שמתחילים לעבד בקשה בזמן שהלקוח עדיין מדבר. לצוותים בישראל, השאלה המכרעת היא לא רק המחיר, אלא האם הכלי מתמודד היטב עם עברית שמשתלבת באנגלית.

01מה הושק, ומה עדיין לא נבדק

לפי מיקרוסופט, מודל התמלול פועל ב־60 שפות ומתחיל להחזיר טקסט בתוך מעט יותר מ־100 מילישניות. אלה נתונים שמסרה החברה, ולא תוצאות בדיקה עצמאית שלנו. המודלים זמינים, בין היתר, דרך Microsoft Foundry ו־MAI Playground. מדובר בהשקה נפרדת מעדכון Copilot: כאן הדגש הוא על רכיבי קול שאפשר לבחון לצורך שילוב במוצרים ובתהליכי עבודה.

חשוב להפריד בין שני כיווני העבודה. MAI-Transcribe-2-Streaming מקבל אודיו ומפיק טקסט; דגמי MAI-Voice מיועדים להפקת דיבור. סוכן קולי עשוי להזדקק לשניהם, אבל גם לרכיב שמפרש את הבקשה ומחליט כיצד להשיב. לכן ההשקה אינה כשלעצמה מערכת שירות מוכנה, ואין להסיק ממנה שכל החלקים זמינים כחבילה אחת או כלולים באותו מחיר.

גם בשם Flash אין די כדי לבחור בין שני מודלי הדיבור. התחקיר אינו כולל השוואה מפורטת של מהירות, איכות או מחיר בין MAI-Voice-2.1 לגרסת Flash. הבחירה המעשית צריכה להישען על בדיקה של אותו טקסט באותם תנאים, ובמיוחד על הגייה מובנת של המונחים שהלקוחות שלכם באמת משתמשים בהם.

02תמלול מהיר אינו בהכרח תשובה מהירה

היתרון של תמלול בהזרמה הוא האפשרות לעבוד על חלקים מהבקשה לפני סיום הדיבור. בכתוביות חיות, המשמעות היא הצגת טקסט במהלך האירוע; בכלי עזר לנציג שירות, אפשר לתכנן חיפוש של מידע רלוונטי בזמן ההקשבה. אלה שימושים אפשריים בטכנולוגיה, לא יכולות של מוצר שירות מוגמר שהוכחו בהשקה.

נתון הזמן שמיקרוסופט מציגה מתייחס לתחילת החזרת הטקסט. הוא אינו מבטיח תמליל סופי באותו פרק זמן, ובוודאי לא תגובה קולית מלאה ללקוח. במערכת אמיתית צריך למדוד גם את העברת האודיו, עיבוד הבקשה, שליפת המידע והפקת התשובה. רשת לא יציבה או חיפוש אטי במערכת העסקית עלולים לצמצם את התועלת של רכיב תמלול מהיר.

ההבחנה הזאת חשובה כאשר לקוח מתקן את עצמו באמצע משפט. אפשר להתחיל להכין חיפוש, אבל לא רצוי לבטל הזמנה או לשנות פרטי חשבון על סמך הבנה מוקדמת בלבד. בתכנון נכון מפרידים בין פעולות הכנה הפיכות לבין פעולה עסקית שמחייבת בקשה ברורה ואישור מתאים.

03כמה עולה התמלול, ומה חסר בחישוב

מחיר ההיכרות שעליו הודיעה מיקרוסופט הוא 0.54 דולר לשעת אודיו עד סוף 2026. זהו נתון שימושי לאומדן ראשוני: אפשר להכפיל את שעות האודיו הצפויות בתעריף, ואז לבדוק את תנאי החיוב בפועל. אין בתחקיר מחיר להמשך התקופה, ולכן לא כדאי לבנות תחזית שנתית כאילו התעריף הזמני מובטח לאורך זמן.

בתקציב של סוכן קולי צריך להפריד בין התמלול לבין יתר הרכיבים. יש לברר בנפרד את עלויות הפקת הדיבור, עיבוד הטקסט, החיבור לטלפוניה, האחסון והניטור. גם זמן העבודה של צוות שבודק תמלילים ומתקן טעויות הוא חלק מעלות ההפעלה, אף שאינו מופיע בתעריף לשעת אודיו.

04מבחן העברית: מה צוות ישראלי צריך לבדוק

למוקד שירות בישראל לא מספיקה הדגמה של משפטים נקיים בשפה אחת. שיחה טיפוסית יכולה לכלול שם חברה באנגלית בתוך משפט בעברית, כתובת, מספר הזמנה ותיקון של הדובר. הבדיקה צריכה להתמקד במחיר העסקי של הטעות: שיבוש במילת קישור אינו שקול לזיהוי שגוי של מספר טלפון או שלילת בקשה.

• בדקו מעבר בין עברית לאנגלית בתוך אותו משפט, במיוחד בשמות מוצרים ובמונחי תמיכה.
• הכינו דוגמאות של שמות, כתובות ומספרים, וסמנו מראש אילו פרטים חייבים להיקלט במדויק.
• השוו אודיו מטלפון ומאוזניות, עם רעשי רקע שמייצגים את סביבת העבודה.
• כללו היסוסים, תיקונים וקטיעות, ובדקו מתי התמליל מספיק יציב לשימוש בהמשך התהליך.
• מדדו גם כמה עבודה נדרשת מנציג כדי לתקן את הטקסט, ולא רק כמה מהר הוא מופיע.

כדאי להתחיל בהקלטות מבוימות או בחומר שהשימוש בו הוסדר, בלי פרטי לקוחות אמיתיים שאינם נחוצים לבדיקה. לפני חיבור למוקד פעיל, בדקו אילו נתונים נשלחים, היכן הם נשמרים, מי רשאי לגשת אליהם וכיצד מוחקים אותם. הודעת ההשקה אינה בסיס מספיק להנחה לגבי מקום עיבוד הנתונים או התאמה לדרישות הפרטיות של העסק.

05למי כדאי להתנסות עכשיו

נקודת הפתיחה הסבירה היא משימה תחומה שבה אדם עדיין יכול לבדוק את התוצאה: כתוביות בסביבת ניסוי, תמלול לצורכי עבודה פנימית או כלי עזר לנציג. לצוותי פיתוח שרוצים לבחון את ההשקה, Foundry ו־MAI Playground הם ערוצי גישה שצוינו בהודעה; יש לבדוק בהם את תנאי הגישה ואת אפשרויות השילוב הרלוונטיות לפני תכנון המימוש.

הצעד הבא צריך להיות השוואה על אותן הקלטות מול הפתרון שבו העסק משתמש כיום. אם זמן התגובה מתקצר בלי להגדיל את מספר התיקונים, יש בסיס להרחבת הניסוי. עד שתיבדק עברית בתנאי אמת, ההשקה של מיקרוסופט היא מועמדת להתנסות ממוקדת, לא המלצה להחליף מערכת קיימת או למסור לסוכן קולי אחריות מלאה על שיחות לקוחות.