MAI-Transcribe-2-Streaming의 개요
MAI-Transcribe-2-Streaming은 Microsoft AI의 첫 스트리밍 음성 인식 모델로, 2026년 10월 1일 음성 합성 모델 MAI-Voice-2.1과 함께 공개됐습니다. 오디오를 연속 스트림으로 보내면 말하는 동안 갱신되는 부분 받아쓰기가 오고, 구간마다 최종 결과가 나옵니다. Microsoft에 따르면 첫 부분 텍스트는 오디오 후 100밀리초를 조금 넘겨 도착합니다.
60개 언어를 지원하고 언어를 자동으로, 계속해서 감지하므로 화자가 대화 도중 언어를 바꿀 수 있습니다. Microsoft는 Artificial Analysis 스트리밍 벤치마크에서 최종과 부분 받아쓰기 모두 정확도 1위로 출발했으며, 자체 테스트에서는 가장 가까운 경쟁 모델보다 단어가 두 배 빨리 나타난다고 말합니다.
Azure Speech에서 퍼블릭 프리뷰로 제공되며, Sweden Central, Central US, East US 2, Southeast Asia에서 서비스되고, OpenAI Realtime 호환 WebSocket API나 Azure Speech SDK로 접근합니다. 도입 가격은 2026년 말까지 오디오 시간당 0.54달러입니다.
MAI-Transcribe-2-Streaming, 쓸 만한 가치가 있습니까?
MAI-Transcribe-2-Streaming은 자막, 음성 에이전트, 콜센터 지원을 떠받치는 실시간 받아쓰기 분야에 본격적으로 뛰어든 모델입니다. Microsoft는 Artificial Analysis 스트리밍 순위에서 부분과 최종 받아쓰기 모두 정확도 1위이며, 그곳에서 정확도 대비 지연 시간의 최전선에 있다고 말합니다.
두 번째 주장은 속도입니다. 부분 텍스트는 100밀리초를 조금 넘겨 도착하고, 받아쓰기와 자막을 대상으로 한 Microsoft 자체 테스트에서는 이름을 밝히지 않은 가장 가까운 경쟁 모델보다 두 배 빨리 단어가 화면에 뜹니다. Microsoft는 발표에서 단어 오류율을 공개하지 않으므로, 바꾸기 전에 자체 오디오로 시험해 봐야 합니다.
가격은 중간입니다. 오디오 시간당 0.54달러, 분당 약 0.009달러로 분당 0.017달러인 OpenAI의 gpt-live-transcribe보다 싸지만, 시간당 0.39달러인 ElevenLabs Scribe v2 Realtime이나 할인가 분당 0.0048달러인 Deepgram Nova-3 스트리밍보다는 비쌉니다. 0.54달러는 도입 가격으로 2026년과 함께 끝나며, Microsoft는 그 이후를 밝히지 않았습니다.
WebSocket 인터페이스가 호환되므로 이미 OpenAI Realtime API를 쓰는 팀은 연동이 쉽고, Speech SDK가 재연결과 재시도를 처리합니다. 계속되는 언어 감지와 60개 언어 지원은 통화 도중 발신자가 언어를 바꾸는 다국어 콜센터에 맞습니다.
제약은 프리뷰의 것들입니다. Microsoft는 서비스 수준 계약이 없다고 밝히고 운영 환경에는 권장하지 않습니다. 네 개 지역에서만 실행되며, 발표는 화자 구분을 언급하지 않습니다. 발표와 문서 모두 오디오 보관 방식을 설명하지 않으며, Azure 프리뷰 약관은 프리뷰 기능이 다른 개인정보 관행을 따르는 것을 허용합니다.
제 역할을 하는 곳
유럽 은행에 콜센터 소프트웨어를 공급하는 업체
상담원 지원을 위해 여러 언어의 통화를 실시간으로 받아쓴다
Sweden Central에서 Realtime API로 통화 오디오를 스트리밍합니다. 지속적인 언어 감지가 언어를 바꾸는 발신자를 처리하며, 월 10,000시간 통화는 도입 가격으로 약 5,400달러입니다.
대학교 미디어 팀
온라인으로 중계하는 강의에 실시간 자막을 단다
Azure Speech SDK로 강의 오디오를 보내고, 말한 뒤 약 100ms 만에 도착하는 부분 자막을 띄운 다음 구간마다 최종 텍스트로 바꿉니다.
OpenAI Realtime API로 음성 비서를 만든 개발자
클라이언트를 다시 쓰지 않고 더 정확한 받아쓰기 단계로 바꾼다
기존 WebSocket 클라이언트를 MAI-Transcribe-2-Streaming 모델 이름으로 Azure에 연결하고, 프리뷰 상태이므로 트래픽을 옮기기 전에 녹음된 사용자 오디오로 정확도를 비교합니다.
도입 전 확인할 점
- 설정
- Azure Speech나 Foundry 리소스를 만든 뒤 Realtime 호환 WebSocket API나 버전 1.52.0 이상의 Azure Speech SDK로 연결합니다.
- 연동
- Azure Speech SDK, OpenAI Realtime 호환 WebSocket API, Azure Voice Live, Microsoft Foundry, MAI Playground, Vercel, 그리 고 곧 지원 예정으로 발표된 LiveKit.
- 데이터와 개인정보
- 발표나 모델 문서에 설명이 없습니다. Azure의 프리뷰 보충 약관은 프리뷰 기능이 정식 서비스와 다른 개인정보 관행을 따를 수 있다고 밝힙니다.
- 대규모 사용 시 비용
- 도입 가격 오디오 시간당 0.54달러 기준 월 1,000시간은 540달러입니다. 2026년 이후 가격은 공개되지 않았습니다.
- 제한
- SLA 없는 퍼블릭 프리뷰이며, Sweden Central, Central US, East US 2, Southeast Asia에서 제공되고, 60개 언어를 지원합니다.
좋은 점
- Microsoft에 따르면 Artificial Analysis 스트리밍 벤치마크 정확도 1위
- 100ms를 조금 넘 는 부분 받아쓰기
- 지속적인 자동 언어 감지와 60개 언어
- OpenAI Realtime 호환 API와 Azure Speech SDK
아쉬운 점
- SLA 없는 퍼블릭 프리뷰, 운영 환경 비권장
- 시간당 0.54달러는 도입 가격이며 2026년으로 끝남
- 단어 오류율 미공개, 화자 구분 언급 없음
- Azure 네 개 지역에서만 제공
추천 대상
Azure에서 실시간 자막, 음성 에이전트, 콜센터 도구를 만들며 여러 언어에서 최고 수준의 스트리밍 정확도를 원하는 팀.
MAI-Transcribe-2-Streaming 대안
MAI-Transcribe-2-Streaming: 자주 묻는 질문
- MAI-Transcribe-2-Streaming, 쓸 만한 가치가 있습니까?
- MAI-Transcribe-2-Streaming은 살 수 있는 가장 정확한 실시간 받아쓰기 모델로 보이지만, 중간 수준의 가격은 12월까지만 유지됩니다. 평점은 5점 만점에 4.1점입니다.
- MAI-Transcribe-2-Streaming의 가격은 얼마입니까?
- 2026년 말까지 도입 가격 오디오 시간당 0.54달러(분당 약 0.009달러)이며, 이후 가격은 Microsoft가 공개하지 않았습니다.
- MAI-Transcribe-2-Streaming의 단점은 무엇입니까?
- SLA 없는 퍼블릭 프리뷰, 운영 환경 비권장; 시간당 0.54달러는 도입 가격이며 2026년으로 끝남; 단어 오류율 미공개, 화자 구분 언급 없음; Azure 네 개 지역에서만 제공.
- MAI-Transcribe-2-Streaming에 적합한 사람은 누구입니까?
- Azure에서 실시간 자막, 음성 에이전트, 콜센터 도구를 만들며 여러 언어에서 최고 수준의 스트리밍 정확도를 원하는 팀.
- 팀이나 프로덕션 환경에서 MAI-Transcribe-2-Streaming의 비용은 얼마입니까?
- 도입 가격 오디오 시간당 0.54달러 기준 월 1,000시간은 540달러입니다. 2026년 이후 가격은 공개되지 않았습니다.
- MAI-Transcribe-2-Streaming에 회사 데이터를 맡겨도 안전합니까?
- 발표나 모델 문서에 설명이 없습니다. Azure의 프리뷰 보충 약관은 프리뷰 기능이 정식 서비스와 다른 개인정 보 관행을 따를 수 있다고 밝힙니다.
- MAI-Transcribe-2-Streaming의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Deepgram Nova-3, ElevenLabs Scribe v2, GPT Transcribe 및 Gemini 3.5 Transcribe입니다.
답변 확인일: 2026년 11월 6일.
MAI-Transcribe-2-Streaming 개발사입니까? 이 평점을 사이트에 표시하십시오
