VIBECODING 365 / DICTIONARY

MAI-Transcribe-2

중급 난이도: 중급

DEFINITION

MAI-Transcribe-2는 Microsoft AI 팀이 자체 개발한 차세대 음성-텍스트 모델이다. Azure Speech의 enhanced mode로 호출하며, Microsoft Learn은 퍼블릭 프리뷰로 분류한다. 캡션, 회의록, 임상·콜센터 기록, 접근성, 콘텐츠 제작, 보이스 에이전트처럼 실사용 오디오를 염두에 둔다. 라인업은 MAI-Transcribe-2, MAI-Transcribe-1.5, 그리고 2026년 8월 20일 deprecated된 MAI-Transcribe-1이다. Voice Live API의 입력 오디오 전사에도 같은 계열을 붙일 수 있다고 Learn이 적는다.

무엇을 할 수 있나

2세대에서 스피커 다이어리제이션, 워드 단위 타임스탬프, 자동 언어 식별, 키워드 바이어싱, 코드 스위칭, clean·verbatim 전사 스타일, 잡음·악센트 환경 전사를 한 모델에 모은다고 Microsoft가 설명한다. phraseList의 phrases는 강제 출력이 아니라 인식 힌트다. locales로 언어를 하나 고정할 수 있으나 Learn은 자동 식별이 실패할 때만 쓰라고 경고한다. 입력 형식은 WAV, MP3, FLAC이다.

FLEURS·가격 주장

microsoft.ai는 2026년 9월 3일 발표에서 FLEURS 60개 언어 평균 단어 오류율(WER) 5.2%로 1위를 기록했다고 주장한다. Artificial Analysis의 정확도·지연 Pareto와 WER 리더보드 관련 순위도 같은 글에서 인용한다. 출시 한시 가격은 오디오 시간당 0.10달러, 연말까지라고 적는다. Foundry, MAI Playground, OpenRouter에서 데모·호출할 수 있다고 한다. 벤치와 가격 숫자는 Microsoft 및 그들이 인용한 Artificial Analysis 주장이며, 여기서 추가 수치를 만들지 않는다.

타임스탬프 지원

타임스탬프는 지원한다. Azure에서는 modelOptions.timestamps에 word, segment, none을 넣는다. word는 단어마다 시작·끝 시각을 돌려 자막 정렬·검색·편집에 쓴다. OpenRouter에서는 response_format을 verbose_json으로 두면 세그먼트 시각이 나오고, timestamp_granularities에 word를 더하면 words 배열이 붙는다. OpenRouter STT 가이드는 mai-transcribe-1.5가 verbose_json을 거부하는 예로 적고, 2는 verbose_json과 다이어리제이션 예시를 함께 보여 준다.

다이어리제이션과 긴 녹음

스피커 구분은 Azure에서 diarization.enabled를 true로, OpenRouter에서는 provider.options.azure.diarization.enabled로 켠다. 프리뷰에서 다이어리제이션을 켠 채 대략 15분 이상이면 408 Timeout, 500, 또는 diarization_unavailable(503)로 실패할 수 있고, 같은 파일은 다이어리제이션을 끄면 전사된다고 Learn이 적는다. 긴 오디오는 word 타임스탬프로 전사한 뒤 다이어리제이션을 따로 돌리라는 권고다.

지원 언어 60개

기본은 다국어 자동 모드다. 한국어(ko), 영어(en), 일본어(ja), 중국어 간체(zh), 광둥어(yue)를 포함해 Learn 표 기준 60개 코드를 지원한다. 1.5에 없고 2에만 추가된 예로는 af, az, bs, fa, fil, gl, he, hy, is, kk, lv, mk, ms, ne, sw, ur, yue 등이 있다. Hinglish·Spanglish처럼 발화 중 언어가 바뀌는 코드 스위칭도 자동 처리한다고 한다. 전체 코드·언어명 표는 아래 Microsoft Learn 문서를 본다.

Azure가 원형, OpenRouter는 통로

원형은 Azure Speech다. enhancedMode.enabled를 true, enhancedMode.model을 MAI-Transcribe-2로 둔다. transcribeStyle 기본은 verbatim이고, clean은 가독성용으로 필러를 줄인다. OpenRouter의 microsoft/mai-transcribe-2는 Azure를 감싼 호스팅이며 사전 주체는 Microsoft 모델이다. 프리뷰라 SLA가 없고 Learn은 프로덕션 전면 투입을 권하지 않는다.