[AI 모델 신작] MS 음성인식 'MAI-트랜스크라이브-2-스트리밍' 등 6종

마이크로소프트(MS)가 자사의 최신 AI 기술을 바탕으로 실시간 음성 인식 및 합성 모델을 포함한 신제품을 공개했다. 이번 발표에서는 'MAI-트랜스크라이브-2-스트리밍'과 'MAI-보이-2.1' 시리즈 등 총 6종의 모델이 소개됐다. 특히, 이 모델들은 초저지연 성능을 갖춰 음성 기반 인터페이스의 새로운 가능성을 열 것으로 기대된다.

실시간 음성 인식의 진화

'MAI-트랜스크라이브-2-스트리밍'은 최신 실시간 음성 인식 모델로, 사용자가 말하는 즉시 텍스트로 변환하는 기능을 제공한다. 마이크로소프트에 따르면 이 모델은 100밀리초(ms)의 지연으로 화자의 발화를 거의 실시간으로 텍스트로 출력할 수 있다. 이는 특히 회의나 인터뷰와 같은 상황에서 효율성을 높이고, 사용자가 느끼는 대화의 흐름을 자연스럽게 유지하는 데 도움이 될 것으로 보인다.

또한, 음성 합성 모델인 'MAI-보이-2.1'은 23개 언어를 지원하며, 현지 자국어 발음으로 자연스러운 음성을 생성한다. 이 모델은 다양한 언어를 사용하는 글로벌 기업이나 다국적 회의에서의 활용 가능성을 높여줄 것이다. 특히, 고속 버전인 'MAI-보이-2.1-Flash'는 더욱 빠른 음성 합성을 제공하여 긴급 상황에서도 효과적으로 사용할 수 있을 것으로 기대된다.

기업을 위한 최적화된 솔루션

마이크로소프트의 AI 모델 외에도, 코히어(Cohere)와 타버스(Tavus)는 각각 기업 환경에서 활용 가능한 AI 기술을 선보였다. 코히어는 '임베드 5'라는 차세대 임베딩 모델을 발표하며, 높은 검색 성능을 자랑하는 두 가지 등급으로 나누어 제공한다. 특히, 멀티모달 입력을 지원해 텍스트는 물론 이미지까지 통합 처리할 수 있는 기능이 특징이다.

타버스의 '그리핀'은 비디오 튜링 테스트를 통과한 최초의 대화형 아바타 모델로, 사용자와의 실시간 인터랙션을 통해 인간과 유사한 대화 경험을 제공할 수 있다. 이는 고객 서비스와 같은 다양한 분야에서 인간의 역할을 보완하고, 효율성을 높이는 데 기여할 것으로 예상된다.

향후 AI 기술의 발전 방향

이처럼 마이크로소프트와 다양한 기업들이 AI 기술을 발전시키며 음성 인식 및 대화형 아바타의 가능성을 모색하고 있다. 이러한 기술은 비단 개인 소비자뿐 아니라 기업의 비즈니스 환경에서도 중요한 역할을 할 것이며, 고객과의 상호작용 방식을 혁신적으로 변화시킬 것으로 보인다.

특히, AI 기술이 더욱 발전함에 따라 인간과 기계 간의 경계가 허물어지고, 자연스러운 의사소통이 가능해질 것이다. 앞으로 이러한 기술들이 어떻게 일상에 통합되어 나갈지 기대가 된다.