MS, MAI-Transcribe-2 공개… 경쟁사 대비 72% 저렴하고 5~10배 빠른 음성 인식 모델

마이크로소프트가 자체 프런티어 모델 전략의 일환으로 음성 인식 모델 MAI-Transcribe-2를 출시했다. 이 모델은 시간당 $0.10의 가격으로 책정되어 이전 버전 대비 약 **72%**의 비용 절감을 실현했으며, 연 10만 시간 처리 시 비용을 $36,000에서 $10,000으로 낮춘다.

성능 및 기능 특징

MAI-Transcribe-2는 60개 언어를 지원하며, Spanglish나 Hinglish 등 문장 중간에 언어가 전환되는 코드 스위칭(Code switching) 기능을 기본 제공한다. 또한 화자 분리(Diarization), 단어 단위 타임스탬프, 키워드 바이어싱(Keyword biasing) 등 경쟁사가 프리미엄 요금으로 분리 판매하던 기능들을 기본 요금에 포함했다.

성능 측면에서 FLEURS 벤치마크에서 평균 오류율 **5.2%**로 1위를 기록했으며, Artificial Analysis 평가에서는 OpenAI의 GPT-Transcribe보다 10배, ElevenLabs의 Scribe v2보다 7배, Google의 Gemini 3.5 Transcribe보다 5배 빠른 처리 속도를 보였다.

전략적 의도와 시장 영향

마이크로소프트는 OpenAI에 대한 의존도를 낮추고 마진을 확보하기 위해 자체 모델을 개발해 왔다. 2026년 4월 계약 재수정으로 OpenAI 모델 독점 접근권이 종료된 이후, Microsoft는 Word와 Excel 등 자사 제품에 MAI 모델을 적용하기 시작했다. 음성 전사 시장은 문제가 제한적이고 지표가 객관적이어서 자체 모델 대체의 첫 번째 타겟으로 선정되었다.

Mustafa Suleyman이 이끄는 10인 규모의 집중된 팀은 관료주의를 배제한 개발 구조를 통해 경쟁사 대비 GPU 비용을 절반으로 줄였다. 이는 전사(transcription)를 저가(high-volume) 상품화하여 경쟁사가 대응하기 전에 시장을 선점하려는 의도로 해석된다.

남은 과제 및 한계

출시 발표에는 몇 가지 실무적 공백이 남아 있다. 시간당 $0.10의 가격이 출시 제안인지, 종료일이나 표준 요금이 명시되지 않았다. 또한 실시간 스트리밍 전사에 대한 언급이 없으며, 화자 분리 오류율(DER)이나 데이터 거주지, 학습 데이터 사용 여부 등 기업 고객이 요구하는 세부 지표와 정책이 공개되지 않았다. 일부 미국 기업들이 보안 우려에도 불구하고 더 저렴한 중국 모델을 평가하는 흐름 속에서, Microsoft는 규제 준수와 신뢰성을 강조하며 경쟁 우위를 점하려 한다.