MS 전사 AI, 411배 속도와 0.10달러

회의 한 시간 분량을 텍스트로 바꾸는 데 시간과 비용이 부담됐다면 주목할 만해요. 마이크로소프트가 속도·정확도·가격을 동시에 개선한 음성 인식 모델 MAI-Transcribe-2를 공개했어요.

1. MAI-Transcribe-2, 5개월 만의 큰 변화

MAI-Transcribe-2는 마이크로소프트가 자체 개발한 최신 음성 전사 모델이에요. 지난 4월 첫 모델을 출시한 지 불과 5개월 만에 지원 언어와 기능을 확대하고, 처리 비용까지 크게 낮췄어요.

모델의 발전 속도도 눈에 띄어요. 4월에는 25개 언어를 지원했고, 6월 MAI-Transcribe-1.5에서 43개 언어와 키워드 편향 기능을 추가했어요. 이번 모델은 60개 언어와 화자 분리, 타임스탬프, 혼합 언어 처리까지 지원해요.

2. 411배 실시간 처리 속도와 높은 정확도

핵심 경쟁력은 대규모 음성 파일을 빠르게 처리하면서도 정확도를 유지한다는 점이에요. 아티피셜 애널리시스 평가에서 411배 실시간 처리 속도와 2.0% AA-WER를 기록했어요.

WER(단어 오류율)은 낮을수록 정확한 지표예요. 60개 언어를 평가하는 FLEURS 벤치마크에서는 평균 WER 5.2%로 1위를 차지했고, 정확도와 지연시간을 함께 평가한 결과에서도 파레토 프론티어(한 성능을 높이려면 다른 성능을 희생해야 하는 최적 경계)에 올랐어요.

처리 속도는 오픈AI GPT-Transcribe보다 최대 10배, 일레븐랩스 Scribe v2보다 7배, 구글 Gemini 3.5 Transcribe보다 5배 빠른 것으로 평가됐어요. 빠른 추론은 단순한 편의가 아니라, 고객센터처럼 매일 수천 시간의 음성을 다루는 기업의 컴퓨팅 비용을 줄여줘요.

3. 시간당 0.10달러로 낮아진 전사 비용

성능뿐 아니라 가격도 공격적으로 낮췄어요. 마이크로소프트는 MAI-Transcribe-2를 연말까지 오디오 1시간당 0.10달러에 한시적으로 제공해요.

초기 모델의 시간당 0.36달러보다 약 72% 저렴한 가격이에요. 1,000분 기준으로는 1.67달러이며, Scribe v2의 3.67달러와 Smallest AI Pulse Pro의 4달러보다 절반 이상 낮아요.

예를 들어 매주 수십 건의 인터뷰나 상담 녹취를 처리한다면, 기존에는 선별적으로 전사했던 파일까지 자동화할 수 있어요. 다만 0.10달러 요금은 연말까지 적용되는 한시 가격이므로 실제 도입 전 이후 요금 정책을 확인해야 해요.

4. 화자 분리부터 전문 용어 인식까지

새 모델은 음성을 텍스트로 옮기는 데 그치지 않고, 결과물을 바로 업무에 활용할 수 있도록 기능을 강화했어요. 특히 여러 사람이 참여하는 회의나 전문 용어가 많은 현장에서 유용해요.

• 화자 분리: 발언자를 구분해 회의록과 상담 기록을 정리하기 쉬워요.
• 단어 단위 타임스탬프: 자막 제작이나 특정 발언 구간 검색에 활용할 수 있어요.
• 키워드 편향: 약품명, 인명, 제품 코드 등 오류가 잦은 단어를 더 정확히 인식해요.
• 코드 스위칭: 힌글리시·스팽글리시처럼 여러 언어가 섞인 대화도 처리해요.

자동 언어 식별도 지원해 사용자가 녹음 언어를 미리 지정하지 않아도 돼요. 주변 소음이 있거나 녹음 품질이 낮은 환경에서도 안정적인 전사를 목표로 설계됐어요.

5. 클린과 버바팀, 업무별 전사 방식 선택

사용 목적에 따라 Clean과 Verbatim 두 가지 전사 스타일을 선택할 수 있어요. 같은 녹음이라도 어떤 기록이 필요한지에 따라 결과를 다르게 만들 수 있다는 의미예요.

Verbatim은 말더듬, 추임새, 문장 중단까지 실제 발화대로 기록해 법률·감사·컴플라이언스 업무에 적합해요. 반면 Clean은 불필요한 표현을 제거하므로 회의록, 영상 자막, 보고서 초안을 만들 때 편리해요.

활용 범위도 넓어요. 임상 기록 작성과 법률 문서화는 정확한 원문 보존에, 고객센터 녹취는 화자 분리와 전문 용어 인식에, 접근성 서비스와 폐쇄 자막은 빠른 처리와 타임스탬프 기능에 강점을 얻을 수 있어요.

마무리하며

MAI-Transcribe-2의 의미는 단순히 벤치마크 점수가 높은 모델이 등장했다는 데 있지 않아요. 빠른 처리 속도, 낮은 오류율, 실무 기능, 저렴한 비용을 하나의 서비스에 결합했다는 점이 중요해요.

현재 Microsoft Foundry, MAI Playground, OpenRouter에서 이용할 수 있어요. 회의나 상담, 인터뷰 녹음처럼 반복적으로 쌓이는 음성 데이터가 있다면 작은 샘플부터 기존 전사 도구와 정확도·속도·비용을 비교해 보는 것이 좋은 출발점이에요.