Microsoft, 실시간 AI 음성 모델 출시

Microsoft, 실시간 AI 음성 모델을 출시하며 고객 서비스와 컨택센터 시장 겨냥

2026년 10월 1일, Microsoft는 세 가지 음성 인공지능 모델을 공개했습니다. 하나는 사람이 말하는 동안 그 내용을 받아 적는 모델이고, 나머지 두 개는 텍스트를 자연스러운 음성으로 바꾸는 모델입니다. 모두 Microsoft Foundry 플랫폼에서 이용할 수 있으며, PYMNTS 등 매체는 이를 고객 서비스와 컨택센터 시장을 직접 겨냥한 행보로 보고 있습니다.

19 80 TIC Cloud 팀·2026년 10월 23일·6 분 분량

Microsoft가 발표한 내용

Microsoft AI 부문은 10월 1일 Tech Community 블로그를 통해 MAI 제품군의 세 가지 모델을 공개했습니다.

MAI-Transcribe-2-Streaming: 오디오가 들어오는 즉시 음성을 텍스트로 변환하며, 60개 언어를 지원하고 언어를 자동으로 감지합니다. 수백 밀리초 안에 텍스트 초안을 내놓고, 사람이 말을 마치면 이를 수정해 전사를 확정합니다. Microsoft의 첫 스트리밍 전사 모델입니다.
MAI-Voice-2.1: Microsoft가 지금까지 만든 것 중 가장 표현력이 뛰어나다고 설명하는 텍스트 음성 변환(TTS) 모델로, 23개 언어를 지원하며 음성 품질이 가장 중요한 경우를 위한 것입니다.
MAI-Voice-2.1-Flash: 빠른 응답과 대량 처리에 최적화된 버전으로, 지원 언어는 같습니다.

Microsoft Foundry Models의 제품 개발 디렉터 나오미 머니페니(Naomi Moneypenny)는 이 모델들이 함께 개발자에게 자연스러운 음성 경험을 만들 수 있는 더 많은 선택지를 제공하며, 애플리케이션이 그 순간 바로 대응해야 할 때 사람이 말하는 동안 전사하는 기능이 중요하다고 설명했습니다. 언급된 활용 사례로는 고객 서비스 에이전트, 다국어 비서, 실시간 자막 등이 있습니다.

속도, 가격, 제공 범위

Unite.AI에 따르면 Microsoft는 자사 전사 모델이 Artificial Analysis의 스트리밍 전사 순위표에서 정확도 1위를 차지했으며, Flash 모델은 약 150밀리초의 지연 시간으로 오디오를 생성한다고 밝혔습니다. 한편 SiliconANGLE은 첫 텍스트 가설까지 평균 약 320밀리초가 걸린다고 보도하면서, 네트워크와 응답을 생성하는 모델도 시간을 더하기 때문에 Microsoft가 모든 상황에서 이 수치를 보장하지는 않는다고 덧붙였습니다. 이는 제조사가 제공한 수치이며 독립적인 테스트 결과가 아닙니다.

공개된 가격은 다음과 같습니다.

MAI-Transcribe-2-Streaming: 오디오 1시간당 0.54달러, 2026년 말까지 적용되는 출시 기념 요금입니다.
MAI-Voice-2.1: 100만 자당 22달러.
MAI-Voice-2.1-Flash: 100만 자당 15달러.

세 모델 모두 Microsoft Foundry, MAI Playground, Vercel, Azure Voice Live에서 이용할 수 있으며, 음성 모델은 OpenRouter에서도 제공됩니다. Microsoft에 따르면 두 음성 모델 모두 몇 초 분량의 오디오로 목소리를 복제할 수 있으며, 동의 관리 기능이 내장되어 있습니다.

왜 중요한가: 기다리게 하지 않는 음성 에이전트 경쟁

AI 음성 에이전트는 세 단계의 연쇄로 작동합니다. 듣기(음성을 텍스트로 변환), 생각하기(언어 모델이 무엇을 답할지 결정), 말하기(답변을 음성으로 변환)입니다. 단계마다 지연이 더해지며, 전화 통화에서는 몇 초의 침묵만으로도 고객은 서투른 기계와 대화하고 있다고 느낍니다. Unite.AI는 Microsoft의 전략을 이 과정의 「양 끝에서 시간을 되찾는 것」, 즉 사람이 말을 마치기 전에 전사하고 빠른 음성으로 응답하는 것이라고 요약했습니다.

SiliconANGLE은 듣기, 추론, 말하기 모델을 분리하면 개발자가 품질, 지연, 비용을 각각 따로 조절할 수 있다고 지적했습니다. 이번 발표로 Microsoft는 생성형 AI의 기업 활용 사례 중 가장 눈에 띄는 분야가 된 자동화된 전화 응대 사업에서 전문 음성 업체 및 에이전트 플랫폼 업체들과 더 직접적으로 경쟁하게 됩니다.

콜롬비아와 중남미 기업에 주는 의미

Microsoft 같은 거대 기업이 실시간 음성 분야에 뛰어든 것은 전화로 고객을 응대하는 모든 기업에 실질적인 영향을 줍니다.

경쟁 심화, 가격 개선. 대형 업체들이 오디오 시간당 또는 100만 자당 요금을 공개하면, 통화 자동화 비용은 모두에게 낮아지는 경향이 있습니다.
더 자연스러운 대화. 지연이 줄면 어색한 침묵이 줄고, 응대받기 전에 전화를 끊는 고객도 줄어듭니다.
언어와 억양을 확인하세요. 참고한 자료들은 전사 60개 언어, 음성 23개 언어를 언급하지만 콜롬비아 스페인어에서의 성능은 자세히 다루지 않습니다. 엔진을 선택하기 전에 실제 고객 통화로 테스트해 보세요.
모델이 완전한 솔루션은 아닙니다. 전화를 응대하려면 번호, 전화 교환 시스템, 상담원 연결 규칙, CRM 연동, 그리고 고객 고지가 포함된 녹음이 필요합니다.
복제 음성 사용에 주의하세요. 도구가 목소리 복제를 지원한다고 해서 허락 없이 해도 된다는 뜻은 아닙니다. 고객에 대한 투명성은 여전히 핵심입니다.

19 80 TIC Cloud는 AI 음성 에이전트를 귀사의 클라우드 PBX와 콜센터에 통합하여, 선택하신 음성 기술이 귀사의 기업 번호로 고객을 응대하도록 해 드립니다.

귀사에도 도입해 보시겠어요?

19 80 TIC Cloud에는 IP 전화, 네트워크, 클라우드를 전문으로 하는 엔지니어 팀이 있어 처음부터 끝까지 함께합니다. 현재 소통 방식을 점검하고, 귀사에 맞는 솔루션을 설계·구축하며, 가까이에서 지원합니다. 첫 상담은 무료입니다.

무료 진단

맞춤형 솔루션

구축 및 지원

자주 묻는 질문

Microsoft는 2026년 10월에 어떤 음성 모델을 출시했나요?

MAI 제품군의 세 가지 모델입니다. 60개 언어로 음성을 실시간 전사하는 MAI-Transcribe-2-Streaming, 그리고 23개 언어로 텍스트를 음성으로 변환하는 MAI-Voice-2.1과 MAI-Voice-2.1-Flash입니다.

Microsoft의 새 음성 모델은 가격이 얼마인가요?

공개된 요금에 따르면 스트리밍 전사는 오디오 1시간당 0.54달러(2026년 말까지 출시 기념 가격), MAI-Voice-2.1은 100만 자당 22달러, Flash 버전은 100만 자당 15달러입니다.

AI 음성 에이전트를 쓰려면 기업이 직접 프로그래밍해야 하나요?

이 모델들은 개발자를 대상으로 합니다. 처음부터 직접 구축하고 싶지 않은 기업은 음성 에이전트를 자사 번호, 전화 교환 시스템, CRM과 통합해 주는 업체와 협력할 수 있습니다.

콜롬비아의 2G·3G 네트워크 종료: 지금 무슨 일이 일어나고 있으며 기업은 어떻게 대비해야 할까요

콜롬비아에는 2G와 3G를 종료하는 단일한 공식 날짜가 없지만, 오래된 네트워크는 해마다 줄어들고 있으며 각 통신사가 자체 일정에 따라 결정합니다. 2026년 10월 기준으로 확인된 사실, 귀사에서 위험에 처한 장비, 그리고 혼란 없이 대비하는 방법을 설명해 드립니다.

India Mobile Congress 2026: 6G와 인공지능 네이티브 네트워크가 통신의 방향을 제시하다

2026년 10월 7일부터 10일까지 뉴델리에서 아시아 최대 규모 통신 박람회 중 하나인 제10회 India Mobile Congress가 열렸습니다. 통신사, 제조사, 정부가 공통으로 전한 메시지는 분명했습니다. 이동통신망의 다음 단계는 단순히 속도를 높이는 것이 아니라, 인공지능을 내장하고 6G로 가는 길을 닦는 네트워크라는 것입니다.

한국, 삼성전자·KT·SK텔레콤과 AI-RAN 실증 착수: 6G로 향하는 인공지능 네트워크

2026년 10월, 한국에서 정부 사업의 일환으로 무선 구간에 인공지능을 적용한 이동통신망인 AI-RAN의 현장 실증이 시작되었습니다. 삼성전자는 KT와 SK텔레콤이 선택한 장비 공급사로, 두 통신사는 6G로 가는 사전 단계로서 조선소와 석유화학 공장에서 로봇을 활용해 이 기술을 시험합니다.