음성-텍스트 변환 모델을 고를 때 더 이상 “얼마나 정확한가”만으로는 충분하지 않습니다. 실제 업무에서는 정확도와 함께 처리 속도, 다국어 지원, 전문 용어 인식, 서비스 제공 방식까지 함께 봐야 합니다.
MAI-Transcribe-1.5는 Microsoft AI가 출시한 자체 음성-텍스트 제품군의 두 번째 버전입니다. Microsoft AI Superintelligence 팀이 개발한 음성 인식 모델로, 43개 언어를 지원하며 Azure AI Foundry에서 일반 제공됩니다. Azure Speech에서는 LLM Speech API를 통해 MAI-Transcribe 기능을 사용할 수 있습니다.1
정확도만큼 중요한 것은 처리 효율
MAI-Transcribe-1.5는 Artificial Analysis 리더보드에서 WER 2.4%를 기록했습니다.2 WER는 단어 오류율을 뜻하며, 낮을수록 전사 결과가 원문 음성에 가깝다는 의미입니다.
주목할 점은 이 성능이 속도와 함께 제시된다는 것입니다. Artificial Analysis는 MAI-Transcribe-1.5가 약 276배 실시간 속도로 오디오를 처리하며, 정확도 상위 10개 모델 중 가장 빠르다고 평가했습니다.2
이 차이는 단순한 벤치마크 수치에 그치지 않습니다. 긴 회의 녹취, 콜센터 통화, 영상 자막처럼 대량의 오디오를 처리하는 환경에서는 처리 속도가 곧 비용, 대기 시간, 운영 효율로 이어집니다. 따라서 MAI-Transcribe-1.5의 핵심 가치는 “높은 정확도와 높은 효율성을 동시에 노린 모델”이라는 점에 있습니다.
다국어 다음의 과제는 업무 맥락
43개 언어 지원은 글로벌 서비스를 운영하는 조직에 중요한 기반입니다. 하지만 실제 전사 품질을 가르는 지점은 종종 언어 수보다 “업무에서 쓰는 말을 얼마나 잘 알아듣는가”입니다.
제품명, 사람 이름, 의료 용어, 사내 약어처럼 일반 음성 인식 모델이 자주 틀리는 단어가 대표적입니다. MAI-Transcribe-1.5는 phrase list를 넣어 특정 단어의 인식률을 높일 수 있습니다.1 Microsoft는 이 키워드 바이어싱을 통해 FLEURS 기준 WER가 최대 30% 줄었다고 설명합니다.3
즉, MAI-Transcribe-1.5는 단순히 음성을 문자로 바꾸는 도구라기보다, 업무 용어와 맥락을 일부 반영할 수 있는 전사 엔진에 가깝습니다. 전문 용어가 많은 산업일수록 이 기능의 체감 효과가 커질 수 있습니다.
도입 전에는 제공 방식과 제한을 확인해야 한다
다만 실제 서비스에 적용하기 전에는 제공 상태를 구분해서 봐야 합니다. MAI-Transcribe-1.5는 Azure AI Foundry에서 일반 제공되지만, Azure Speech의 MAI-Transcribe 기능은 현재 공개 프리뷰로 제공됩니다.1 공개 프리뷰 기능은 SLA 없이 제공되며, Microsoft는 이를 프로덕션 워크로드에 권장하지 않습니다.1
기능 제한도 확인해야 합니다. 현재 diarization, 즉 “누가 말했는지 구분하는 기능”은 지원하지 않습니다.1 회의록 자동화, 상담 분석, 인터뷰 정리처럼 화자 구분이 중요한 워크플로라면 별도 보완이 필요합니다.
어떻게 평가할 것인가
MAI-Transcribe-1.5가 보여주는 변화는 분명합니다. 음성 인식 모델의 경쟁 기준은 정확도 단일 지표에서 속도, 비용, 다국어 지원, 도메인 적응력으로 넓어지고 있습니다.
따라서 도입을 검토한다면 짧고 깨끗한 샘플만으로 판단하기보다 실제 업무에 가까운 데이터로 검증하는 것이 좋습니다. 긴 오디오, 소음이 있는 녹음, 전문 용어가 많은 대화, 여러 언어가 섞인 파일을 테스트해야 모델의 실질적인 가치를 확인할 수 있습니다.
현재 단계에서 MAI-Transcribe-1.5는 대규모 전사 자동화와 도메인 특화 음성 인식의 가능성을 평가해볼 만한 모델입니다. 핵심은 벤치마크 순위 자체가 아니라, 내 업무 데이터에서 정확도와 처리 효율이 함께 개선되는지를 확인하는 것입니다.
1MAI-Transcribe in Azure Speech (preview)
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.