AI 읽을거리

마이크로소프트 AI가 실시간 음성 에이전트를 위한 초저지연 전사 및 TTS 모델을 출시했다.

원제Microsoft AI releases new transcription and text-to-speech models for voice agents

The Decoder원문 원문 보기

마이크로소프트 AI가 음성 에이전트 성능 향상을 위한 실시간 전사 모델 및 새로운 텍스트 음성 변환(TTS) 모델을 출시했다. MAI-Transcribe-2-Streaming 모델은 60개 언어를 지원하며 100밀리초 내에 첫 결과를 도출한다. 또한, MAI-Voice-2.1 시리즈는 다국어 발화와 짧은 오디오 참조를 통한 음성 복제를 지원하며 지연 시간과 비용을 개선했다.

핵심

  • 실시간 전사 모델 MAI-Transcribe-2-Streaming은 60개 언어를 지원하며 100밀리초 이상의 속도로 첫 결과 제공
  • MAI-Voice-2.1은 23개 언어를 단일 음성으로 구사하며 원어민 액센트 구현
  • MAI-Voice-2.1-Flash 모델은 150밀리초 지연 시간 및 100만 문자당 15달러의 비용 효율성 제공
  • 두 음성 모델 모두 짧은 참조 오디오로 음성 복제가 가능하며 내장된 안전 장치 포함
  • 해당 모델들은 Microsoft Foundry, MAI Playground 및 OpenRouter를 통해 이용 가능

해석

자연스러운 음성 대화형 에이전트 구현을 위해 100~150밀리초 수준의 초저지연 기술과 음성 복제 기술이 상용 인프라 단계로 안착했다. 다국어 지원과 저비용 모델 도입으로 고객 지원 및 일상 대화 인터페이스 전반의 음성 전환이 더욱 빨라질 전망이다.

10월 4일 회차의 다른 기사

회차 전체 보기
  1. 01캘리포니아주 법무부가 AI 에이전트의 보안 위험 조사를 위해 오픈AI에 수사 소환장을 발부했다.
  2. 02구글이 취약점 탐색 및 패치에 특화된 추론 모델 제미나이 4 아르곤을 공개했다.
  3. 03애플이 AI 에이전트의 데이터 접근 위험에 대응해 macOS의 '전체 디스크 접근' 권한 설정을 강화한다.
  4. 04데이터브릭스가 1,900억 달러의 기업가치로 50억 달러 규모의 전략적 투자를 유치했다.
  5. 05앤스로픽이 개발자가 Claude Code의 기능과 UI를 직접 확장할 수 있는 'Mods' 시스템을 발표했다.
  6. 06오픈AI가 멀티 에이전트와 컴퓨터 제어에 최적화된 GPT-6 제품군 활용 가이드를 공개했다.
  7. 07오픈AI가 미승인 정보 유출 및 사내 정책 위반을 이유로 안전 연구원 3명을 해고했다.
  8. 08AWS가 에이전트 워크플로우 지연 시간을 단축하는 경량 의사결정 모델 Strands Decider 2B를 오픈소스로 공개했다.
  9. 09마이크로소프트 AI가 실시간 음성 에이전트를 위한 초저지연 전사 및 TTS 모델을 출시했다.
  10. 10블랙 포레스트 랩스가 배경을 유지한 채 특정 영역만 다단계로 수정 가능한 '플럭스 3 이미지'를 발표했다.