Deepgram: Nova-3 contra Microsoft AI: MAI-Transcribe 2
Uma comparação lado a lado entre Deepgram: Nova-3 (US$ 0,02 / minuto (≈ R$ 0,08)) e Microsoft AI: MAI-Transcribe 2 (US$ 21,00 / minuto (≈ R$ 114,83)) com preços em USD e recursos atuais do catálogo do api14. Os dois funcionam pela mesma API compatível com OpenAI.
Especificações
| Deepgram: Nova-3 | Microsoft AI: MAI-Transcribe 2 | |
|---|---|---|
| Provedor | Deepgram | Microsoft |
| Áudio | US$ 0,02 / minuto (≈ R$ 0,08) | US$ 21,00 / minuto (≈ R$ 114,83) |
| Janela de contexto | - | - |
| Saída máxima | - | - |
| Entrada | audio | audio |
| Saída | transcription | transcription |
| chamada de ferramentas | ||
| Saída estruturada | ||
| Controle de raciocínio | ||
| Adicionado em | 15 de jul. de 2026 | 3 de set. de 2026 |
Principais diferenças
- Deepgram: Nova-3 é 100% mais barato nos tokens de entrada.
Em detalhe
Deepgram: Nova-3 é um modelo de transcrição da Deepgram, e Microsoft AI: MAI-Transcribe 2 é um modelo de transcrição da Microsoft. Ambos estão na mesma categoria no api14, portanto nenhum dos dois é um modelo geral de chat ou raciocínio que você usaria para geração de texto. Você chama um ou outro quando a tarefa é transformar áudio em transcrição. A Deepgram lançou o Nova-3 em 2026-07-15, e a Microsoft lançou o MAI-Transcribe 2 em 2026-09-03, então o modelo da Microsoft é o mais recente dos dois.
Em capacidades, os dois são quase idênticos em forma. Ambos aceitam áudio como entrada e retornam uma transcrição como saída. Nenhum lista quaisquer parâmetros suportados, então você não pode passar controles de amostragem, temperatura ou botões semelhantes pela API para nenhum deles. Nenhum tem um comprimento de contexto publicado, então não há número de janela de tokens para comparar, e a comparação qualitativa marca a questão do contexto maior como não significativamente diferente. O mesmo vale para uso de ferramentas, saída estruturada e raciocínio: nenhum deles é oferecido por qualquer um dos modelos, então não há lacuna de capacidade a ponderar ali. A única diferença clara é o custo. Deepgram: Nova-3 é o modelo mais barato na entrada. O preço de saída não é distinguido entre eles nos dados de comparação, então trate o lado da saída como aproximadamente o mesmo.
Para escolher entre eles, a decisão é principalmente sobre preço e preferência de provedor, e não sobre recursos. Se sua carga de trabalho é transcrição de áudio em alto volume e o custo de entrada é o que mais importa, Deepgram: Nova-3 é a opção de entrada mais barata e é o padrão natural. Se você já padroniza modelos da Microsoft em outras partes da sua stack, ou quer o modelo de transcrição lançado mais recentemente, MAI-Transcribe 2 é uma escolha razoável, e a diferença de custo na entrada é o principal tradeoff que você está aceitando. Como nenhum dos modelos expõe parâmetros ajustáveis, você não deve esperar moldar a saída pela API; planeje pós-processar a transcrição você mesmo se precisar de formatação, limpeza de pontuação ou estruturação downstream.
Chamar qualquer um dos modelos pelo api14 funciona da mesma forma porque o gateway é compatível com OpenAI. Você aponta seu cliente para a URL base do api14, envia seu áudio na requisição como faria para qualquer chamada de transcrição, e define o campo model. Para usar a Deepgram, defina o id do modelo como "deepgram/nova-3". Para usar a Microsoft, defina o id do modelo como "microsoft/mai-transcribe-2". Todo o resto na sua requisição permanece o mesmo, então trocar de provedor é uma mudança de uma linha e você pode fazer A/B dos dois com seu próprio áudio sem reescrever o código de integração.
Não há um caso forte nos fatos apresentados para um modelo ser melhor em qualidade, já que nenhum benchmark ou diferença de capacidade é listado além do preço de entrada. A única razão suportada para escolher MAI-Transcribe 2 em vez de Nova-3 é alinhamento de provedor ou recência, não uma vantagem de capacidade documentada. Se o custo de entrada é sua restrição, Nova-3 continua sendo a melhor escolha.
Troque com uma string
Os dois modelos usam o mesmo endpoint e o mesmo formato de requisição. Mude o valor de model de "deepgram/nova-3" para "microsoft/mai-transcribe-2", prompts, streaming e ferramentas continuam funcionando.
import fs from "node:fs";
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.audio.transcriptions.create({
model: "microsoft/mai-transcribe-2",
file: fs.createReadStream("audio.mp3"),
});
console.log(result.text);
Mais comparações
- AssemblyAI: Universal-3.6 Pro contra Mistral: Voxtral Mini Transcribe 3
- AssemblyAI: Universal-3.6 Pro contra Mistral: Voxtral Small Transcribe 3
- AssemblyAI: Universal-3.6 Pro contra Moondream: Parakeet Ultra
- AssemblyAI: Universal-3.6 Pro contra NVIDIA: Nemotron 3.5 Transcribe
- Mistral: Voxtral Mini Transcribe 3 contra Mistral: Voxtral Small Transcribe 3
- Mistral: Voxtral Mini Transcribe 3 contra Moondream: Parakeet Ultra
- Mistral: Voxtral Mini Transcribe 3 contra NVIDIA: Nemotron 3.5 Transcribe
- Mistral: Voxtral Small Transcribe 3 contra Moondream: Parakeet Ultra