마이크로소프트, 실시간 전사·음성합성 모델 공개…음성 AI 에이전트 개발 지원

본문

[디지털투데이 황치규 기자]마이크로소프트가 실시간 전사 1종, 음성합성 2종을 포함한 음성 AI 모델 3종을 공개했다.2일(현지시간) 실리콘앵글에 따르면 핵심은 첫 스트리밍 전사 모델인 MAI-트랜스크라이브-2-스트리밍(MAI-Transcribe-2-Streaming)으로 음성을 실시간으로 텍스트로 바꾸고, 사용자가 말을 이어가는 동안 전사 내용을 계속 갱신한다. 실시간 자막을 띄우거나 사용자가 말을 마치기 전에 요청 처리를 시작하는 애플리케이션에 활용할 수 있다.MAI-트랜스크라이브-2-스트 2일(현지시간) 실리콘앵글에 따르면 핵심은 첫 스트리밍 전사 모델인 MAI-트랜스크라이브-2-스트리밍(MAI-Transcribe-2-Streaming)으로 음성을 실시간으로 텍스트로 바꾸고, 사용자가 말을 이어가는 동안 전사 내용을 계속 갱신한다. MAI-트랜스크라이브-2-스트리밍은 평균 320밀리초 안에 첫 전사 후보를 내놓는다.

마이크로소프트는 MAI-트랜스크라이브-2-스트리밍이 일레븐랩스, 스페이스XAI, 구글 등 경쟁사 모델보다 저렴하고 정확하다고 강조했다. 디인포메이션 보도를 보면 마이크로소프프트는 음성 모델로 팀즈 화상회의 녹취, 의료진용 AI '드래곤 코파일럿' 진료 대화 기록 같은 기능을 구현할 계획이다. 실시간 음성 비서를 갖춘 앱 등 AI 앱 개발사들에도 모델을 판매한다. 무스타파 술레이만 마이크로소프트 AI 부문 CEO는 "받아쓰기와 음성 생성을 함께 처리해 높은 품질과 속도를 얻을 수 있다"며 "앞으로 새 MAI 모델들이 회사 전반에서 쓰는 기존 음성 모델들을 대체할 것"이라고 말했다. 음성합성 모델 2종 중 MAI-보이스-2.1(MAI-Voice-2.1)은 표현력과 음질을 높인 모델이고, MAI-보이스-2.1-플래시(MAI-Voice-2.1-Flash)는 일부 성능을 낮추는 대신 응답 속도와 비용 절감에 초점을 맞췄다.

마이크로소프트는 지난달 비스트리밍 방식 MAI-트랜스크라이브-2도 공개했다.

가격은 오디오 1시간당 0.10달러로 스트리밍 모델보다 5배 이상 저렴하다. 이번 출시는 마이크로소프트가 자체 모델을 확대하는 전략과도 맞물린다.무스타파 술레이만 CEO는 7월 오픈AI와 앤트로픽의 고성능 모델 비용에 대한 우려 속에 MAI 모델군을 강화할 것을 강조했다. 엑셀과 아웃룩 같은 플랫폼 코파일럿 에이전트에 자체 모델을 적용하는 것을 목표로 하고 있다고 실리콘앵글은 전했다.