마이크로소프트, 실시간 음성인식·다국어 음성합성 신모델 공개

마이크로소프트가 1일 실시간 스트리밍 음성인식 모델 'MAI-Transcribe-2-Streaming'과 다국어 음성합성 모델 'MAI-Voice-2.1'을 새로 공개했습니다. 음성인식 모델은 60개 언어를 자동으로 감지해 저지연으로 전사할 수 있으며, 오디오 입력 후 약 100밀리초 안에 잠정 결과를 내고 맥락이 쌓이면서 점차 정확한 전사로 보정됩니다. 외부 평가기관 Artificial Analysis 벤치마크에서 최종·부분 전사 정확도 모두 1위를 차지했다고 밝혔습니다. 음성합성 모델은 23개 언어·26개 로케일을 지원하며, 언어가 바뀌어도 같은 화자의 목소리와 억양을 유지하고 몇 초 분량의 참조 음성만으로 음성 복제가 가능하면서도 동의 확인 장치를 내장했습니다. 가격은 음성인식이 연말까지 도입가로 시간당 0.54달러, 음성합성은 100만자당 22달러로 책정됐습니다.

출처: Microsoft (Korea Tech Community)