Microsoft AI: MAI-Transcribe 1.5

MAI-Transcribe 1.5는 Microsoft AI의 음성-텍스트 변환 모델로, 2026년 6월 2일에 출시되었습니다. 이 모델은 전사(transcription) 카테고리에 속하므로, 대화나 코드를 생성하는 것이 아니라 음성 오디오를 텍스트로 바꾸는 한 가지 작업을 위해 만들어졌습니다. 음성으로 시작하는 파이프라인을 구성하고 있다면, 이것이 Microsoft가 그 첫 단계를 위해 제공하는 구성 요소입니다.

이 모델은 오디오를 입력으로 받아 전사 결과를 출력으로 반환합니다. Microsoft는 이 모델을 다국어 모델로 설명하며, 43개 언어와 다양한 오디오 환경에서 안정적인 전사를 제공한다고 밝힙니다. 제공자는 캡션, 통화 전사, 자막, 접근성 및 기타 음성 지원 애플리케이션에 적합하다고 언급합니다. 컨텍스트 길이는 모델 메타데이터에 공개되어 있지 않고, 최대 출력 필드는 0으로 표시되어 있으므로, 실질적인 출력 크기는 문서화된 토큰 예산이 아니라 제출한 오디오의 길이와 서비스 자체의 처리 방식에 의해 결정됩니다.

이러한 기능은 상당히 명확한 사용 사례 집합에 대응합니다. 녹음되거나 실시간인 자료에 자막이나 폐쇄 캡션이 필요하다면, 이 모델의 자막 및 캡션 중심 기능이 바로 적용됩니다. 통화 전사는 컨택 센터 아카이브, 회의록, 규정 준수 녹음을 포괄합니다. 녹음된 강연이나 내부 영상을 읽을 수 있게 만드는 접근성 작업도 또 다른 적합한 용도입니다. 이 모델이 43개 언어를 처리하므로, 다국어 사용자를 대상으로 하는 팀은 로케일별로 별도의 인식기를 유지하는 대신 해당 언어 중 어느 것이든 단일 모델로 오디오를 라우팅할 수 있습니다. 녹음 검색이나 요약처럼 다운스트림 처리 전에 텍스트 계층이 필요한 음성 지원 애플리케이션도 여기에서 시작합니다.

모델 id "microsoft/mai-transcribe-1.5"를 사용해 api14의 OpenAI 호환 API를 통해 호출합니다. 엔드포인트가 OpenAI 형식을 따르므로, 다른 모델에 이미 사용 중인 기존 클라이언트 라이브러리와 요청 형태가 특별한 처리 없이 작동합니다. 이 모델은 지원되는 요청 파라미터를 나열하지 않으므로, 표준 요청 구조로 오디오를 보내야 하며 샘플링 제어, temperature 또는 이와 유사한 설정이 전사 작업에 어떤 영향도 미칠 것이라고 가정하지 않아야 합니다.

제공된 세부 정보에는 하드 제한에 관한 내용이 많지 않으므로, 오디오 길이와 처리량은 문서에서 가정하기보다 실제 서비스에 대해 확인해야 할 사항으로 다루십시오. 또한 음성-텍스트 변환 모델이 정말로 필요한 것인지도 고려하십시오. 작업이 작성 언어 간 번역이거나 전사문에 대한 텍스트 생성이라면, 이 모델은 인식 단계만 담당하므로 나머지 체인에는 다른 모델이 필요합니다.