마이크로소프트, MAI-Transcribe-2 가격 72% 인하…시간당 10센트 최저가

마이크로소프트가 자체 음성 인식 모델 가격을 또 한 번 낮췄다. 마이크로소프트AI(Microsoft AI)는 9월 3일(현지시각) 새 음성 전사(transcription) 모델 ‘MAI-Transcribe-2’를 공개했다. 가격은 오디오 1시간당 10센트다. 지난 6월 2일(현지시각) 내놓은 전작 MAI-Transcribe-1.5의 시간당 36센트보다 72% 낮은 수준이다. 4월 2일(현지시각) 첫 모델을 출시한 지 5개월 만의 추가 인하다. 마이크로소프트는 새 모델이 오픈AI의 지피티-전사(GPT-Transcribe), 구글 제미나이 3.5 Transcribe, 일레븐랩스 스크라이브(Scribe) v2보다 속도·가격·정확도에서 모두 앞선다고 주장했다.

5개월 만에 세 번째 모델, 가격은 3분의 1로

마이크로소프트AI는 4월 2일(현지시각) 첫 전사 모델 MAI-Transcribe-1을 시간당 36센트에 선보이며 경쟁 모델보다 GPU 비용이 약 50% 낮다는 점을 앞세웠다. 두 달 뒤인 6월 2일(현지시각)에는 지원 언어를 25개에서 43개로 늘린 MAI-Transcribe-1.5를 같은 가격에 출시했고, 아티피셜 애널리시스(Artificial Analysis) 리더보드에서 단어 오류율(WER) 약 2.4%로 3위에 올랐다.

이번 MAI-Transcribe-2는 지원 언어를 60개로 늘리면서 가격은 시간당 10센트로 낮췄다. 마이크로소프트AI로선 6월 모델 출시 이후 석 달 만에 내놓은 두 번째 전사 모델이다. 이 가격은 2026년 12월 31일까지 한정 적용된다. 환산하면 1000분당 약 1.67달러로, 마이크로소프트 파운드리(Microsoft Foundry)에서 1000분당 6달러였던 MAI-Transcribe-1.5 가격보다 크게 낮아졌다. 아티피셜 애널리시스는 이 가격이 일레븐랩스 스크라이브 v2의 1000분당 3.67달러, 스몰리스트AI(Smallest AI) 펄스 프로(Pulse Pro)의 4달러보다도 낮다고 짚었다. 연간 오디오 10만 시간을 처리하는 콜센터를 예로 들면 연간 비용이 3만6000달러에서 1만 달러로 줄어드는 규모다.

벤치마크 1위, 속도는 압도적

FLEURS 다국어 벤치마크(60개 언어 평가)에서 MAI-Transcribe-2는 평균 단어 오류율 5.2%로 1위에 올랐다. 최근 출시된 구글 제미나이 3.5 Transcribe를 비롯해 오픈AI 지피티-전사, 일레븐랩스 스크라이브 v2, 메타의 위스퍼(Whisper) V3-Large보다 낮은 오류율이다. 다만 정확도와 응답 속도를 함께 측정하는 아티피셜 애널리시스의 논스트리밍 리더보드에서는 단어 오류율 2.0%로 전체 2위에 그쳤다. 1위는 알리바바의 펀-리얼타임-에이에스알-프리뷰(Fun-Realtime-ASR-preview)였다.

속도 차이는 뚜렷하다. 마이크로소프트는 아티피셜 애널리시스 평가를 기준으로 MAI-Transcribe-2가 오픈AI 지피티-전사보다 10배, 일레븐랩스 스크라이브 v2보다 7배, 구글 제미나이 3.5 Transcribe보다 5배 빠르다고 밝혔다. 아티피셜 애널리시스는 이 모델의 중간 속도 지표(median speed factor)를 410.7로 집계했는데, 1시간 분량 오디오를 약 9초 만에 처리하는 수준이다. 마틴시드매거진(Martin Cid Magazine)은 이런 정확도·속도 조합이 한쪽 지표를 희생하지 않고는 더 개선할 수 없는 경계선인 ‘파레토 프런티어(Pareto frontier)’에 해당한다고 짚었다.

10인 팀이 만든 모델, 애저 계약 없이도 접근 가능

MAI-Transcribe-2는 무스타파 술레이만(Mustafa Suleyman)이 이끄는 마이크로소프트AI 조직의 결과물이다. 마이크로소프트는 2024년 3월 술레이만과 카렌 시모니안(Karén Simonyan), 인플렉션AI(Inflection AI) 팀원 다수를 영입하며 이 조직을 꾸렸고 술레이만을 최고경영자로 앉혔다. 마틴시드매거진에 따르면 이 모델 개발을 주도한 핵심 인력은 10명 수준이며, 데이터 수집과 벤더 관리는 별도의 대규모 팀이 지원했다. 마이크로소프트는 이 모델의 GPU 비용이 경쟁 최상위 모델의 절반 수준이라고 주장했지만, 실제 대규모 운영 환경에서도 그 수치가 유지되는지는 공개된 자료로 확인되지 않는다.

모델은 마이크로소프트 파운드리, MAI 플레이그라운드(MAI Playground), 오픈라우터(OpenRouter)에서 바로 쓸 수 있다. 애저(Azure) 계약이나 마이크로소프트와의 별도 기업 관계가 없어도 접근 가능하다는 뜻이다. 오픈라우터의 모델 페이지에는 자동 언어 식별, 코드 스위칭(문장 중간 언어 전환), 화자 분리, 단어 단위 타임스탬프, 키워드 바이어싱, 전사 스타일 설정 기능이 안내돼 있다. 코드 스위칭 테스트 예시로는 힌디어와 영어가 섞인 ‘힌글리시’, 스페인어와 영어가 섞인 ‘스팽글리시’가 제시됐다. 필러 단어(‘음’, ‘어’ 등)를 남길지 지울지 선택하는 기능과, 사전 입력 없이 언어를 자동 인식하는 기능도 포함됐다. 마틴시드매거진은 이런 직접 배포 전략이 마이크로소프트와 오픈AI 파트너십 재편과 맞물려 있다고 짚었다. 두 회사는 2019년부터 독점·수익분배 조항을 포함한 관계를 유지해왔으나 2025년 10월과 2026년 4월 계약 수정으로 해당 조항들을 없앴다.

남은 변수는 2027년 가격표

크립토브리핑(Cryptobriefing)에 따르면 MAI 계열 모델은 이미 코파일럿(Copilot), 팀즈(Teams), 깃허브(GitHub), 다이나믹스 365 콘택트센터(Dynamics 365 Contact Centre)에 탑재돼 있다. 활용 분야는 콜센터 상담 기록, 회의록 작성, 영상 자막, 접근성 도구 등이다. 스타트업포춘(StartupFortune)은 전사 작업이 콜센터, 회의 앱, 미디어 자막, 헬스케어 딕테이션 등에서 사용량이 가장 많은 AI 작업 중 하나라고 짚었다.

가격 정책의 진짜 시험대는 2026년 이후다. 마이크로소프트는 12월 31일 이후 가격을 아직 공개하지 않았다. 스타트업포춘은 시간당 10센트가 그대로 유지된다면 오픈AI·구글·일레븐랩스 등 경쟁사가 가격을 더 낮추거나 다른 이유로 고객을 붙잡아야 한다고 짚었다. 반대로 가격이 오르더라도 마이크로소프트는 1년 동안 개발자를 자사 음성 생태계로 끌어들일 시간을 번다고 봤다. 마틴시드매거진 역시 2027년 가격이 공개되지 않은 상태에서 기업들이 이 모델을 도입하는 것 자체가 감안해야 할 위험이라고 지적했다.