마이크로소프트가 성능과 처리 속도를 모두 만족하는 차세대 음성 인식 모델을 선보였다. 기존 기술의 한계를 뛰어넘어 개발자들이 실무에서 즉시 활용할 수 있는 파격적인 비용과 압도적인 처리 속도를 동시에 제공한다. 음성 서비스를 혁신하고자 하는 개발팀에게 새로운 선택지를 제시한다.

마이크로소프트, 신규 STT 모델 MAI-Transcribe-2 공개

마이크로소프트 AI가 2026년 9월 3일 음성 인식 모델 'MAI-Transcribe-2'를 공개하고 마이크로소프트 파운드리 및 Azure 환경에 공개 미리 보기로 출시했다. 이 모델은 아티피셜 어낼리시스의 비스트리밍 리더보드 기준 단어 오류율 2.0%를 기록하며 전체 2위에 올랐다. 당시 리더보드 1위 모델의 구체적인 명칭은 공개되지 않아 확인이 불가능하다.

비록 1위 명칭은 미정이지만, MAI-Transcribe-2는 정확도와 처리 속도 모두에서 파레토 최적을 달성하며 강력한 존재감을 드러냈다. 대규모 음성 데이터를 정밀하고 신속하게 텍스트로 변환해야 하는 엔터프라이즈 요구사항에 최적화된 설계가 돋보인다.

마이크로소프트가 정확도와 처리 속도 모두에서 파레토 최적을 달성한 음성 인식 모델 MAI-Transcribe-2를 공개했다.

오픈AI 대비 10배 이상 빠른 처리 속도 달성

MAI-Transcribe-2는 오픈AI GPT-트랜스크라이브 대비 압도적인 속도 우위를 보인다. 아티피셜 어낼리시스 측정 결과, 이 모델은 오디오 실시간 대비 약 411배의 처리 속도를 달성했다. 이는 경쟁 모델인 GPT-트랜스크라이브가 기록한 약 34배 대비 무려 12배 이상 빠른 속도다. 마이크로소프트는 공식적으로 10배 이상의 속도 향상을 주장한다.

또한 정확도 측면에서도 우수한 결과를 냈다. 오픈AI GPT-트랜스크라이브의 단어 오류율이 3.31%인 반면, MAI-Transcribe-2는 단어 오류율 2.0%를 기록하며 더 정확하고 신속한 전사 작업을 보장한다.

MAI-Transcribe-2는 오픈AI GPT-트랜스크라이브 대비 10배 이상 빠른 속도와 낮은 단어 오류율을 증명했다.

시간당 0.10달러 파격 가격과 60개 언어 지원

마이크로소프트는 시간당 0.10달러라는 파격적인 요금제를 발표했다. 2026년 12월 31일까지 제공되는 이 프로모션 가격은 1,000분당 약 1.67달러 수준이다. 이는 5개월 전 이전 세대 모델의 가격인 시간당 0.36달러 대비 72% 인하된 파격적인 수치다. 다만 프로모션 종료 이후의 정규 가격은 아직 공개되지 않았다.

언어 지원 역시 강력하다. 총 60개 언어를 지원하며, FLEURS 다국어 벤치마크에서 60개 언어 평균 단어 오류율 5.2%로 1위를 차지했다. 뛰어난 다국어 성능과 저렴한 비용은 글로벌 음성 서비스를 기획하는 개발팀의 비용 부담을 획기적으로 낮춰준다.

이전 세대 모델 대비 72% 인하된 파격적 가격과 60개 언어 지원으로 음성 AI 시장의 가격 경쟁을 가열시켰다.

음성 서비스 개발자를 위한 고성능 STT 모델

MAI-Transcribe-2는 실무진이 요구하는 필수 편의 기능들을 기본 탑재했다. 화자 분리와 단어 단위 타임스탬프 기능은 물론, 축어 전사와 정제 전사 스타일 같은 맞춤형 전사 옵션을 통해 실무 생산성을 대폭 끌어올릴 수 있다.

현재 개발자들은 마이크로소프트 파운드리 및 Azure 환경에서 파이프라인 연동을 즉시 검토할 수 있다. 고성능과 저비용을 동시에 보장하므로 회의록 요약, 고객 센터 분석, 다국어 번역 등 다양한 실시간 음성 서비스 구축에 강력한 기반이 된다.

참고