facts

시간당 0.1달러라는 가격 책정이 가장 먼저 눈에 띈다. 마이크로소프트 AI가 5개월 전 첫 모델을 출시했을 때 적용했던 시간당 0.36달러에서 약 72% 낮춘 수치다. 이번에 공개된 MAI-Transcribe-2는 Microsoft Foundry(개발자용 모델 마켓플레이스)와 MAI Playground(테스트 환경)를 통해 이용 가능하다. 지원 언어는 지난 6월 MAI-Transcribe-1.5의 43개, 4월 출시 모델의 25개에서 60개로 늘어났다.

기능적 확장 범위는 단순한 언어 추가를 넘어선다. 여러 명의 대화에서 누가 무엇을 말했는지 구분하는 화자 분리(Speaker diarization)와 모든 단어에 정밀한 시간 표식을 붙이는 단어 수준 타임스탬프(Word-level timestamps)가 포함됐다. 개발자가 약품명이나 제품 코드 등 도메인 전문 용어 목록을 입력해 인식률을 높이는 키워드 바이어싱(Keyword biasing)과 사전 설정 없이 언어를 감지하는 자동 언어 식별 기능도 지원한다.

출력 스타일은 두 가지 모드로 설정할 수 있다. 법무 및 컴플라이언스 팀을 위해 추임새와 더듬거림을 모두 보존하는 '축자적(verbatim)' 모드와, 가독성을 위해 불필요한 요소를 제거하는 '클린(clean)' 모드다. 특히 문장 중간에 언어가 바뀌는 코드 스위칭(Code switching)을 지원해 힌글리시(Hinglish)나 스팽글리시(Spanglish) 같은 혼용 언어 처리 능력을 확보했다.

how-it-works

성능 측정의 기준이 되는 벤치마크는 세 가지 축으로 나뉜다. 첫 번째는 60개 언어에 대해 평균 단어 오류율(WER) 5.2%를 기록한 FLEURS 벤치마크다. FLEURS는 2022년 구글 연구진이 발표한 표준 지표로, 원어민이 읽은 문장을 기준으로 측정한다. 다만 MAI-Transcribe-1.5의 3.7%보다 수치가 상승했는데, 이는 지원 언어가 43개에서 60개로 늘어나며 리소스가 부족한 저자원 언어들이 평균치에 포함되었기 때문으로 분석된다.

Artificial Analysis의 결과는 실제 API 사용 환경을 반영한다. 이 벤치마커는 공공 API를 통해 시뮬레이션된 에이전트 대화, 유럽 의회 연설, 기업 실적 발표 등을 테스트한다. MAI-Transcribe-2는 해당 리더보드에서 WER 기준 2위를 기록했으며, '파레토 최전선(Pareto frontier)'을 정의했다. 이는 경쟁 모델이 정확도를 높이려면 속도를 희생해야 하고, 속도를 높이려면 정확도를 낮춰야 하는 지점에 마이크로소프트 모델이 위치함을 의미한다.

처리 속도의 향상은 곧 인프라 비용의 절감으로 이어진다. Artificial Analysis 평가에 따르면 MAI-Transcribe-2는 OpenAI의 GPT-Transcribe보다 10배, ElevenLabs의 Scribe v2보다 7배, 구글의 Gemini 3.5 Transcribe보다 5배 빠르다. 마이크로소프트 측은 이 모델이 다른 최신 모델(SOTA) 대비 GPU 비용을 절반으로 낮췄다고 밝혔다. 배치 전사(Batch transcription) 환경에서 이러한 처리 효율은 GPU 가동 시간을 줄여 시간당 0.1달러라는 저가 정책을 가능하게 하는 근거가 된다.

implementation-impact

이번 릴리스의 속도는 마이크로소프트의 내부 조직 구조 변화와 맞물려 있다. 무스타파 술레이만(Mustafa Suleyman) Microsoft AI CEO는 관료주의에서 벗어난 10명 규모의 소규모 집중 팀이 모델 개발을 주도했다고 밝혔다. 4월 첫 모델 출시 이후 5개월 만에 세 차례의 업데이트를 진행하며 언어 커버리지를 약 40%씩 확장하고, 경쟁사가 유료 티어로 제공하던 기능을 기본 사양으로 편입시키는 전략을 취하고 있다.

OpenAI에 대한 의존도를 낮추려는 전략적 움직임이 구체화되고 있다. 마이크로소프트는 130억 달러를 투자해 OpenAI 모델을 애저(Azure)와 코파일럿(Copilot)에 통합해 왔으나, 이제는 모달리티별로 자체 프런티어급 모델을 구축해 교체하는 방식을 택하고 있다. 음성 인식 분야는 이러한 독립 전략이 가장 빠르게 적용된 사례이며, 전사 서비스를 범용 상품(Commodity) 수준으로 만들어 시장 지배력을 확보하려는 의도로 풀이된다.

실무자는 전체 평균 WER 수치에 의존하기보다, 실제 서비스 대상 언어별 세부 오류율(per-language breakdown)을 요청해 검증하고 파레토 최전선 상의 지연시간 수치가 자사 서비스의 실시간성 요구 조건에 부합하는지 판단해야 한다.