마이크로소프트가 정확도와 처리 속도를 함께 끌어올린 차세대 음성 인식 모델을 내놨다. 개발자가 실무에 바로 쓸 수 있을 만큼 낮은 가격과 빠른 처리 속도를 함께 내세운다. 음성 서비스를 개선하려는 개발팀에게는 새로운 선택지가 하나 생긴 셈이다.

마이크로소프트, 신규 STT 모델 MAI-Transcribe-2 공개

마이크로소프트 AI는 2026년 9월 3일 음성 인식 모델 'MAI-Transcribe-2'를 공개하고 마이크로소프트 파운드리와 Azure에서 공개 미리 보기로 출시했다. 이 모델은 아티피셜 어낼리시스의 비스트리밍 리더보드에서 단어 오류율 2.0%로 전체 2위에 올랐다. 당시 리더보드 1위 모델의 구체적인 이름은 공개되지 않아 확인할 수 없다.

1위가 누구인지는 알 수 없지만, MAI-Transcribe-2는 정확도와 처리 속도 양쪽에서 파레토 최적을 달성했다. 대규모 음성 데이터를 정확하고 빠르게 텍스트로 바꿔야 하는 기업 수요에 맞춘 설계다.

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-트랜스크라이브보다 훨씬 빠르다. 아티피셜 어낼리시스 측정 결과 이 모델은 오디오 실시간 대비 약 411배의 처리 속도를 냈다. 경쟁 모델 GPT-트랜스크라이브가 기록한 약 34배보다 12배 넘게 빠른 셈이다. 마이크로소프트가 공식적으로 내세우는 수치는 10배 이상이다.

정확도도 앞선다. 오픈AI GPT-트랜스크라이브의 단어 오류율은 3.31%이고, MAI-Transcribe-2는 2.0%를 기록해 더 정확하고 빠르게 전사한다.

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 요금을 발표했다. 2026년 12월 31일까지 적용되는 프로모션 가격으로, 1,000분당 약 1.67달러 수준이다. 5개월 전 이전 세대 모델의 시간당 0.36달러보다 72% 낮다. 프로모션이 끝난 뒤의 정규 가격은 아직 공개되지 않았다.

지원 언어는 총 60개다. FLEURS 다국어 벤치마크에서는 60개 언어 평균 단어 오류율 5.2%로 1위를 차지했다. 다국어 성능이 좋고 값도 싸서 글로벌 음성 서비스를 기획하는 개발팀의 비용 부담을 크게 덜어 준다.

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-2에는 실무에 필요한 편의 기능도 기본으로 들어 있다. 화자 분리와 단어 단위 타임스탬프를 지원하고, 축어 전사와 정제 전사 같은 전사 스타일을 골라 쓸 수 있어 작업 효율을 높여 준다.

개발자는 지금 바로 마이크로소프트 파운드리와 Azure에서 파이프라인 연동을 검토할 수 있다. 성능이 높고 비용이 낮아 회의록 요약, 고객 센터 분석, 다국어 번역 같은 실시간 음성 서비스를 만들 때 기반으로 삼기 좋다.

참고