마이크로소프트 AI가 현지 시각 9월 3일 음성인식 모델 MAI-트랜스크라이브-2를 공개했다. 가격은 오디오 한 시간당 0.1달러(약 134원)이고, 연말까지 적용하는 한시 요금이다. 앞선 모델 요금이 시간당 0.36달러(약 484원)였던 것과 비교하면 약 72% 낮아졌다.

회사는 다국어 벤치마크 FLEURS에서 60개 언어 기준 1위에 올랐고 평균 단어오류율은 5.2%라고 밝혔다. 단어오류율은 모델이 옮겨 적은 문장에서 틀린 단어의 비율을 말한다. 회사는 아티피셜 애널리시스 평가에서 정확도와 지연시간의 파레토 프런티어를 형성했고 단어오류율 순위에서는 2위라고 덧붙였다.

아티피셜 애널리시스 측정 기준으로 오픈AI GPT-트랜스크라이브보다 10배, 일레븐랩스 스크라이브 v2보다 7배, 구글 제미나이 3.5 트랜스크라이브보다 5배 빠르다는 설명이다.

화자 분리는 녹음 안에서 말하는 사람을 구분해 발언을 각자에게 배분하고, 단어 단위 타임스탬프는 단어마다 시간을 표시해 검색과 편집을 돕는다. 여기에 전문 용어를 인식하도록 돕는 키워드 바이어싱, 군말을 그대로 담는 설정과 지우는 설정을 고르는 전사 스타일, 한 대화 안에서 언어가 섞이는 코드 스위칭 지원, 자동 언어 감지가 포함된다.

회사는 쓰임새로 임상 기록과 법률 문서, 접근성, 자막을 제시했다. 모델은 마이크로소프트 파운드리와 MAI 플레이그라운드, 오픈라우터에서 사용할 수 있다.

요금 차이는 사용량이 많은 쪽에서 커진다. 오디오 10만 시간을 처리한다고 하면 이전 요금으로는 3만 6,000달러(약 4,842만 원)가 들지만 이번 요금으로는 1만 달러(약 1,345만 원)다. 콜센터 플랫폼과 미디어 기업, 회의록 스타트업은 이 정도 차이에서 공급사를 다시 고르게 된다. 마이크로소프트가 애저 안에서 오픈AI 모델만 쓰지 않고 자사 MAI 모델을 파운드리와 오픈라우터로 함께 내보내는 것도 같은 맥락에 있다.

자세한 내용은 마이크로소프트 AI에서 확인할 수 있다.

이미지 출처: 마이크로소프트