Microsoft 10인 팀이 만든 음성 모델, OpenAI·Google·ElevenLabs를 모든 벤치마크에서 앞서다

MAI-Transcribe-2라는 모델이다. 무스타파 술레이만(Mustafa Suleyman)이 이끄는 마이크로소프트 AI 부서가 9월 3일, 시간당 0.10달러에 이 모델을 출시했다. 이 가격은 2026년 말까지 한시적으로 적용된다. 이전 버전인 MAI-Transcribe-1.5는 시간당 0.36달러였다. 72%의 가격 인하는 단순한 마케팅 반올림이 아니다. 연간 10만 시간의 오디오를 처리하는 컨택센터는 이전 모델에 36,000달러를 지불했지만, 동일한 작업량이 이제 10,000달러에 불과하다.

벤치마크 성능이 이 가격을 특별하게 만든다. FLEURS 다국어 평가에서 MAI-Transcribe-2는 60개 언어에 걸쳐 평균 단어 오류율 5.2%로 1위를 기록했다. 이는 OpenAI의 GPT-Transcribe, Google의 Gemini 3.5 Transcribe, ElevenLabs Scribe v2, Meta의 Whisper V3-Large보다 우수한 수치다. 정확도와 지연 시간을 함께 추적하는 Artificial Analysis 리더보드에서는 전체 2위를 차지했으며, 연구진이 파레토 프런티어(Pareto frontier)라고 부르는 경계선을 정의했다. 이 경계선은 한 지표를 개선하면 다른 지표가 저하되는 지점이다. 이 모델은 단일 지표 순위표의 최상위를 쫓기보다는 그 프런티어의 효율적인 가장자리에 위치하도록 훈련되었다.

속도는 두 번째로 살펴볼 만한 주장이다. 마이크로소프트는 MAI-Transcribe-2가 GPT-Transcribe보다 10배, ElevenLabs Scribe v2보다 7배, Gemini 3.5 Transcribe보다 5배 빠르게 오디오를 처리한다고 밝혔다. 팟캐스트 전사, 법정 증언 녹취, 임상 기록 등 장문 오디오의 경우 이 차이가 워크플로우를 몇 초 만에 끝낼지 몇 분이 걸릴지를 결정한다. 이 모델은 또한 화자 분리(누가 언제 말했는지 식별), 단어 수준 타임스탬프, 도메인 용어를 위한 키워드 편향, 그리고 문장 중간에 언어가 혼합되는 경우를 위한 코드 스위칭 지원을 제공한다. 특히 힌글리시(Hinglish)와 스팽글리시(Spanglish)를 테스트된 예시로 언급했다.

이 모델을 구축한 팀은 그 규모에 비해 주목할 만하다. 마이크로소프트는 핵심 그룹이 10명으로, 내부 관료주의를 최소화하고 데이터 확보와 벤더 관리를 담당하는 더 큰 팀의 지원을 받았다고 설명한다. 그 결과 GPU 효율성 주장은 구체적이다. MAI-Transcribe-2는 경쟁 최첨단 모델의 절반 GPU 비용으로 작동한다. 이 주장이 기업 부하 규모에서도 유효한지는 발표만으로 확인할 수 없지만, 아키텍처 주장은 테스트할 수 있을 만큼 정밀하다.

이 모델은 현재 Microsoft Foundry, MAI Playground, Open Router에서 사용할 수 있다. 즉, Azure 계약이나 마이크로소프트 기업 관계 없이도 접근이 가능하다. 이러한 배포 폭은 의도적이다. 마이크로소프트 AI의 개발자 대상 직접 API 진출은 OpenAI 파트너십 개편에 따른 광범위한 재정립의 일환이다. 2025년 10월과 2026년 4월의 개정으로 2019년부터 관계를 정의해온 독점 및 수익 공유 계약이 폐지되었다. 이제 마이크로소프트는 OpenAI의 결과물을 단순히 유통하는 대신 모델 레이어에서 직접 경쟁할 유인이 생겼다.

0.10달러 가격은 2026년 말까지 한시적이라고 명시되어 있다. 그 이후의 표준 가격은 공개되지 않았다. MAI-Transcribe-2를 프로덕션 워크로드에 도입하려는 구매자는 2027년 회계연도의 비용을 알 수 없는 제품의 가격을 책정하고 있는 셈이다. 현재 요금이 모든 가시적인 대안보다 매력적이더라도, 이는 명확히 짚어야 할 위험이다.

태그: Google, OpenAI, AI, microsoft, ElevenLabs, MAI-Transcribe-2