마이크로소프트의 음성 에이전트용 인공지능 모델 출시

주장마이크로소프트는 음성 에이전트의 실시간 상호작용 능력을 높이기 위해 새로운 전사 및 텍스트 음성 변환 모델을 출시했습니다.

팩트마이크로소프트가 공개한 엠에이아이 트랜스크라이브 투 스트리밍(MAI-Transcribe-2-Streaming) 모델은 실시간 전사 기능을 제공합니다. 이 모델은 60개 언어를 지원하며 첫 부분 결과를 도출하는 데 100밀리초가 소요됩니다.

팩트해당 모델은 아티피셜 애널리시스(Artificial Analysis) 평가에서 정확도 부문 1위를 기록했습니다. 올해 말까지는 시간당 0달러 54센트의 도입 가격으로 서비스를 이용할 수 있습니다.

주장마이크로소프트는 다국어 음성 합성의 자연스러움을 높이기 위해 엠에이아이 보이스 투 닷 원(MAI-Voice-2.1) 모델을 함께 선보였습니다.

팩트엠에이아이 보이스 투 닷 원 모델은 23개 언어를 동일한 목소리로 구사하며 각 언어의 원어민 억양을 재현합니다.

팩트이 모델의 플래시(Flash) 변형 모델은 150밀리초의 지연 시간을 달성했습니다. 비용은 100만 문자당 15달러로 책정되어 효율성을 높였습니다.

주장두 음성 모델은 단 몇 초의 참조 오디오만으로 목소리를 복제하는 기능을 갖추고 있습니다.

팩트마이크로소프트는 오남용을 방지하기 위한 내장형 안전 장치를 모델에 포함했습니다.

교차검증음성 복제 기술은 편리함을 제공하지만, 기술 오남용에 대한 우려가 존재합니다. 마이크로소프트는 이를 방지하기 위해 보안 프로토콜을 강화하고 있으나 지속적인 모니터링이 필요합니다.

팩트테스트 결과 4000명의 참가자 중 약 절반이 인공지능이 생성한 목소리를 실제 사람의 목소리로 인식했습니다.

팩트새로운 모델들은 마이크로소프트 파운드리, 엠에이아이 플레이그라운드, 오픈라우터 등 다양한 플랫폼을 통해 제공됩니다.

출처더 디코더(https://the-decoder.com/microsoft-ai-releases-new-transcription-and-text-to-speech-models-for-voice-agents/) 및 마이크로소프트의 공식 발표를 교차 검증했습니다.