MS, 음성 모델 'MAI-트랜스크라이브-2' 공개...속도·정확도·가격 다 잡아

마이크로소프트(MS)는 최근 새로운 AI 음성 인식 모델 'MAI-트랜스크라이브-2'를 공개하며 음성 인식 기술 분야에서의 입지를 더욱 확고히 하고 있다. 지난 4월 첫 번째 모델을 출시한 지 불과 5개월 만에, MS는 성능, 속도, 그리고 가격 면에서 큰 발전을 이루어냈다. 이번 모델은 경쟁사인 오픈AI와 구글을 포함한 주요 플레이어들과의 격차를 더욱 벌릴 수 있는 기회를 제공하고 있다.

성능과 가격, 두 마리 토끼를 잡다

MAI-트랜스크라이브-2는 처리 속도와 정확도를 동시에 개선한 점에서 큰 주목을 받고 있다. 특히, 아티피셜 애널리시스(AA) 평가 기준에서 오픈AI의 'GPT-트랜스크라이브'보다 최대 10배 빠른 성능을 자랑하며, 일레븐랩스의 '스크라이브 v2'보다도 7배 빠른 처리 속도를 기록했다. 이 모델은 60개 언어에 대한 다국어 음성 인식 벤치마크인 'FLEURS'에서도 평균 단어 오류율(WER) 5.2%로 1위를 차지했다. 이러한 성과는 MAI-트랜스크라이브-2가 높은 정확도와 빠른 속도를 바탕으로 음성 인식 시장에서의 경쟁력을 한층 더 강화했음을 나타낸다.

가격 면에서도 MAI-트랜스크라이브-2는 매력적인 조건을 제공한다. 연말까지 한정적으로 오디오 1시간당 0.10달러라는 파격적인 가격에 제공되며, 이는 초기 모델의 시간당 0.36달러와 비교해 약 72% 가량 낮아진 수치이다. 경쟁 모델들과 비교했을 때도 매우 경쟁력 있는 가격을 자랑해, 많은 기업들이 이 모델을 활용할 가능성이 높아졌다.

혁신적인 기능과 다국어 지원

MAI-트랜스크라이브-2는 기존 모델의 한계를 넘어 다양한 기능을 추가하여 음성 인식의 정확성을 높였다. 특히, 화자 분리 기능과 단어 단위 타임스탬프 지원은 여러 화자가 등장하는 회의나 인터뷰 기록에 큰 도움이 될 것으로 보인다. 더욱이, 특정 전문 용어를 정확히 인식하도록 돕는 키워드 편향 기능도 포함되어 있어, 사용자들은 실수 없이 특정 용어를 인식할 수 있다.

또한, 사용자는 '클린'과 '버바팀' 전사 스타일을 선택할 수 있어, 필요에 따라 더욱 정제된 혹은 상세한 기록을 생성할 수 있다. 특히 법률 분야에서 요구되는 정확한 기록을 위해 버바팀 모드의 활용 가치가 높아 보인다. 아울러, 자동 언어 식별 기능은 사용자에게 사전 언어 설정 없이도 음성을 인식할 수 있는 편리함을 제공하여, 다양한 상황에서 유용하게 사용될 수 있다.

향후 전망과 의미

MAI-트랜스크라이브-2의 출시는 MS가 AI 음성 인식 분야에서 더욱 주목받게 되는 계기가 될 것으로 예상된다. 5개월 간의 짧은 시간에 걸쳐 성능, 기능, 가격을 모두 개선한 이번 모델은 MS의 기술적 진보를 나타내며, 향후 기업들이 음성 인식 기술을 적극적으로 도입하도록 유도할 것으로 보인다.

결국, MAI-트랜스크라이브-2는 기업의 음성 데이터 처리에 있어 비용 효율적이고 정확한 솔루션을 제공함으로써, 다양한 산업에서의 활용 가능성을 열어줄 것으로 기대된다. 앞으로의 음성 인식 시장에서 MS의 행보가 어떻게 전개될지 귀추가 주목된다.