세상은 멈춰 있지 않습니다.RSS
BIG CHANGE.
한 번의 탭으로 BIG CHANGE
한 번의 탭으로 BIG CHANGE

큰 그림을 볼 여유를 만드세요.

BIG CHANGE를 홈 화면이나 데스크톱에 추가하세요. 자체 창에서 열리며, 온라인 상태일 때 최신 기사를 표시합니다.

iPhone & iPad
Safari에서 bigchange.ai를 여세요. 공유를 탭한 다음 홈 화면에 추가를 탭하세요. 웹 앱으로 열기가 표시되면 켠 다음 추가를 탭하세요.
Android
Chrome에서 bigchange.ai를 여세요. 브라우저 메뉴에서 앱 설치 또는 홈 화면에 추가를 선택하세요.
데스크톱
Chrome 또는 Edge에서는 주소 표시줄의 설치 아이콘이나 브라우저의 앱 메뉴를 사용하세요. Mac의 Safari에서는 파일 → Dock에 추가를 선택하세요.

Markdown 버전

AI-translated from English; not yet reviewed by a fluent editor.

# Microsoft MAI-Transcribe-2-Streaming: 실시간 전사 경로와 한계

> Microsoft의 새 스트리밍 전사 모델은 오디오가 들어오는 동안 잠정 텍스트와 최종 텍스트를 반환한다. 프리뷰 API에서는 발화 구간 감지와 마무리도 클라이언트가 맡는다.

By BIG CHANGE Editorial

Published: 2026-10-02T18:45:00.209Z
Updated: 2026-10-02T18:45:00.209Z
Canonical: https://bigchange.ai/blog/microsoft-mai-transcribe-2-streaming-integration

![Conceptual illustration of a microphone beside a tablet; a teal waveform leads to a faint provisional line of marks above a crisp final line.](https://bigchange.ai/api/media/file/mai-transcribe-streaming-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE.

Microsoft는 [10월 1일 MAI-Transcribe-2-Streaming을 발표했다](https://microsoft.ai/news/our-first-streaming-transcription-model/). 모델은 누군가 말하는 동안 오디오를 받아 최종 전사문이 나오기 전에도 바뀌는 텍스트를 반환한다. 실시간 자막이나 음성 입력을 앱에 추가하는 개발자가 살펴볼 점은 이 업데이트가 앱에 어떻게 전달되고 언제 확정된 것으로 취급할 수 있는지다.

이 글은 공개 프리뷰를 검토하는 개발자를 위한 문서 기반 통합 안내다. 모델을 시제품에 적용할지, 실시간 텍스트를 표시하고 최종 텍스트를 보존하려면 클라이언트에서 어떤 작업이 필요한지 판단하는 데 목적이 있다. Microsoft는 연결 경로와 예제 코드를 문서화했지만, BIG CHANGE는 모델을 배포하거나 예제를 실행하지 않았고 정확도나 지연 시간도 측정하지 않았다.

## 큰 변화

- Microsoft는 오디오가 들어올 때 잠정 텍스트를 반환하고 이후 전사 구간을 확정하는 스트리밍 모델을 내놓았다. 별도의 MAI-Transcribe-2 파일 전사 경로는 녹음 오디오를 처리하며 다른 옵션을 문서화한다.
- Realtime API를 사용하는 앱은 형식에 맞는 오디오를 보내고 잠정 텍스트 끝부분의 수정을 처리하며, 최종 전사문을 언제 요청할지 결정해야 한다. 이 선택에 따라 사용자가 보는 내용과 후속 앱 로직이 최종 텍스트를 신뢰할 수 있는 시점이 달라진다.
- 스트리밍 모델은 서비스 수준 계약이 없는 공개 프리뷰이며 Microsoft는 프로덕션 작업에 권장하지 않는다. 인용된 속도와 정확도는 출시 발표와 벤치마크의 주장이지 이 안내서의 측정 결과가 아니다.

## 연결 경로 선택하기

Microsoft Foundry의 [모델 카탈로그](https://ai.azure.com/catalog/models/MAI-Transcribe-2-Streaming?publisher=microsoft)에는 `MAI-Transcribe-2-Streaming`, 버전 `2026-08-06`인 프리뷰 모델로 오디오 입력과 텍스트 출력을 지원한다. Microsoft의 [10월 1일 개요](https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe-2-streaming)는 두 가지 통합 경로를 설명한다. OpenAI Realtime과 유사한 WebSocket 프로토콜을 사용하는 Realtime API 또는 Azure Speech SDK다. 두 경로 모두 중간 및 최종 인식 결과를 반환한다. SDK는 연결과 오디오 스트리밍을 관리하며 Realtime 경로는 이벤트를 직접 노출한다.

요청 경로인 [Realtime API](https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe-2-streaming-realtime)에서는 Microsoft가 Azure 구독, 지원 지역의 Microsoft Foundry 리소스 및 스트리밍 모델 배포를 요구한다. 다음 주소에 연결한다: `wss://{your_resource_name}.services.ai.azure.com/mai/v1/realtime?intent=transcription` 연결 시 Microsoft Entra bearer 토큰 또는 API 키로 인증한다. Microsoft는 Entra 인증을 권장한다. `session.created`가 오면, `session.update`를 보내 배포 이름과 입력 형식을 지정한다. 첫 오디오를 추가한 뒤에는 commit을 보낸 경우에도 입력 형식을 바꿀 수 없다.

문서상 입력은 부호 있는 리틀엔디언 모노 PCM16 원시 오디오로, 16 또는 24kHz이며 `input_audio_buffer.append` 메시지로 base64 청크를 전송한다. WAV 헤더가 없는 PCM 데이터다. Microsoft는 지연 시간을 줄이려면 10\~20밀리초 같은 작은 청크를 권장하면서, 큰 청크는 네트워크 오버헤드를 줄인다고 설명한다. Python 예제는 마이크 오디오를 100ms 블록으로 읽는다. 작은 청크 권고와 예제의 블록 크기는 서로 다른 선택지이며 BIG CHANGE가 측정한 결과가 아니다.

Azure [Speech SDK 경로](https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe-2-streaming-speech-sdk)에는 SDK v1.52.0, Azure 구독, Foundry 또는 Speech 리소스가 필요하다. Microsoft의 Python 예제는 `speech_config.model`에 `MAI-Transcribe-2-Streaming`를 설정하고 16kHz, 16비트 모노 오디오를 push stream으로 제공하며 `recognizing` 및 `recognized` 이벤트를 기다린다. 예제는 기존 `audio.pcm` 파일로 push stream을 설명한다. 앱은 자체 오디오 소스를 제공한다. 이는 문서상 인터페이스와 예상 이벤트 유형이지, BIG CHANGE가 계정별 호환성을 시험한 결과는 아니다.

## 잠정 텍스트와 확정 텍스트를 분리하기

실시간 인터페이스에서는 Realtime 이벤트의 의미가 중요하다. `conversation.item.input_audio_transcription.delta` 이벤트에는 새로 확정된 텍스트가 담긴다. 클라이언트 앱은 공백을 바꾸지 않고 이를 확정 버퍼에 덧붙인다. 중간 `intermediate` 이벤트에는 현재 잠정 문구 전체가 담긴다. 새 문구는 이전 문구를 통째로 대체한다. 화면에는 확정 버퍼와 현재 잠정 문구를 함께 표시할 수 있지만, 중간 이벤트를 매번 새 줄로 저장하면 모델이 문구를 수정할 때 단어가 중복된다.

클라이언트는 감지한 일시 정지 시점이나 녹음 종료 시 `input_audio_buffer.commit` 메시지를 보낸다. Microsoft에 따르면 이는 가능한 한 빨리 최종 전사문을 요청한다. `input_audio_buffer.committed`는 commit을 확인하고 `conversation.item.input_audio_transcription.completed`는 직전 commit 이후 오디오 전체에 대한 최종 텍스트를 제공한다. [Realtime 안내서](https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe-2-streaming-realtime)에 따르면 이 모델 세션 설정에서는 서버 측 발화 감지와 자동 commit을 사용할 수 없다. 따라서 음성 앱에서 구간을 자동으로 완료하려면 자체적인 일시 정지 또는 발화 경계를 정해야 한다. 문서는 이벤트 규약을 설명하지만 모든 앱에 적합한 경계 감지기를 하나로 정하지는 않는다.

Microsoft 안내서는 Realtime 세션을 최대 1시간으로 제한한다. 오디오 추가에는 개별 확인 응답이 없으며 전사 이벤트가 0개 또는 여러 개 반환될 수 있다고도 설명한다. 시제품을 평가하는 개발자는 오디오 메시지가 접수된 것과 최종 텍스트가 도착한 것을 구분하고, 연결이 끊긴 세션을 앱에서 어떻게 처리할지 정해야 한다. 공개 문서의 Python 예제에는 마이크 대기열과 오류 처리가 포함되지만, BIG CHANGE는 이를 실행해 실제 장애 동작을 확인하지 않았다.

## 접근, 지역 및 가격

Microsoft는 Azure가 요청을 서비스 지역으로 라우팅하므로 모델을 전 세계에서 이용할 수 있다고 설명한다. 10월 1일자 두 통합 안내서의 이용 가능 지역 목록은 서로 다르다. Realtime 안내서는 Sweden Central, Central US, South India를, Speech SDK 안내서는 Sweden Central, Central US, Southeast Asia를 든다. 두 문서 모두 East US 2를 곧 제공할 지역으로 표시한다. 사용할 경로의 현재 배포 및 지역 옵션을 확인해야 한다. 두 페이지의 지역 목록은 일치하지 않는다. 전 세계 이용 가능이라는 표현은 특정 처리 위치를 보장하지 않는다.

발표에서는 2026년 말까지 적용되는 도입 가격을 오디오 시간당 **0.54달러**로 제시한다. 별도 서비스나 앱 인프라 비용을 제외하면 이는 계산상 오디오 1,000분당 9달러다. Microsoft는 각 경로 안내서에서 Foundry Models 및 Speech 서비스 가격 페이지를 연결한다. 검토한 자료에는 도입 기간 이후 가격이나 시험으로 확인한 청구액이 없으므로 배포 예산을 세울 때 최신 가격을 확인해야 한다.

Microsoft는 스트리밍 모델이 지속적인 자동 감지로 60개 언어를 지원한다고 말한다. 오디오를 받은 뒤 첫 부분 결과가 100ms를 조금 넘겨 나타난다고 하며, Artificial Analysis를 인용해 정확도 순위가 선두라고 주장한다. [Artificial Analysis의 스트리밍 벤치마크](https://artificialanalysis.ai/speech-to-text/streaming)는 가중치를 적용한 약 8시간 분량 데이터셋의 단어 오류율을 측정하고, 감지된 발화 종료 시점을 기준으로 부분 및 최종 결과의 시간을 잰다. 이는 정해진 오디오와 시간 측정 규칙을 사용한 벤치마크이지, 특정 앱이 100ms 안에 올바른 단어를 표시한다는 보장은 아니다. 이번 기사에 가져온 공개 벤치마크 텍스트에는 모델별 결과 행이 없어 Microsoft가 말한 정확한 순위를 독립적으로 확인하지 못했다.

별도 제품인 [MAI-Transcribe-2 Azure Speech 안내서](https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe)는 파일 입력과 화자 분리, 단어 단위 타임스탬프, 키워드 편향, 자연스러운 문장 또는 축어적 스타일 등의 옵션을 문서화한다. 이런 제어 기능이 MAI-Transcribe-2-Streaming에서도 작동한다고 가정하지 말아야 한다. 스트리밍 통합 안내서는 해당 기능을 설명하지 않는다. 이런 출력이 필요한 제품이라면 파일 모델을 평가하거나, 구축 전에 최신 문서와 시험으로 스트리밍 지원을 확인해야 한다.

## 출처 및 추가 읽을거리

- [Microsoft AI 발표](https://microsoft.ai/news/our-first-streaming-transcription-model/), 2026년 10월 1일: 출시, 언어, 속도, 도입 가격에 관한 주장. Microsoft의 정확도 및 내부 속도 주장은 본문에서 출처를 밝혔다.
- [Microsoft Foundry 모델 카탈로그](https://ai.azure.com/catalog/models/MAI-Transcribe-2-Streaming?publisher=microsoft), 10월 2일 확인: 모델 버전, 프리뷰 단계, 입력 및 출력 유형. 카탈로그는 성능 시험이 아니다.
- [스트리밍 개요](https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe-2-streaming), [Realtime API 안내서](https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe-2-streaming-realtime) 및 [Speech SDK 안내서](https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe-2-streaming-speech-sdk), 10월 1일 업데이트: 문서화된 두 통합 경로, 프리뷰 조건, 이벤트 동작, 예제와 지역 표. BIG CHANGE는 예제를 실행하지 않았다.
- [Azure Speech의 MAI-Transcribe-2](https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe), 10월 2일 확인: 별도의 파일 전사 경로와 문서화된 제어 기능. 기능 목록은 스트리밍 기능 목록이 아니다.
- [Artificial Analysis 스트리밍 벤치마크](https://artificialanalysis.ai/speech-to-text/streaming) 및 [방법론](https://artificialanalysis.ai/methodology/speech-to-text), 10월 2일 확인: 독립 벤치마크 설계와 시간 측정 정의. 가져온 공개 텍스트에는 모델별 결과 행이 없어 정확한 순위를 독립 확인하지 못했다.

## Sources

- [Artificial Analysis에서 1위에 오른 첫 스트리밍 전사 모델 공개](https://microsoft.ai/news/our-first-streaming-transcription-model/) — Microsoft AI 출시 발표의 60개 언어 및 속도 주장, 순위 주장, 2026년까지 오디오 시간당 0.54달러의 도입 가격. 공급업체 주장이지 BIG CHANGE의 측정값은 아니다.
- [MAI-Transcribe-2-Streaming | 모델 카탈로그 | Microsoft Foundry](https://ai.azure.com/catalog/models/MAI-Transcribe-2-Streaming?publisher=microsoft) — 공식 카탈로그: 모델 버전 2026-08-06, 프리뷰 단계, 오디오 입력 및 텍스트 출력. 버전은 발표 날짜와 다르다.
- [MAI-Transcribe-2-Streaming 개요](https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe-2-streaming) — 10월 1일 마지막으로 업데이트된 공식 개요: SLA가 없는 공개 프리뷰, 프로덕션 비권장, 두 통합 경로.
- [Realtime API로 MAI-Transcribe-2-Streaming 사용하기](https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe-2-streaming-realtime) — 10월 1일 마지막으로 업데이트된 공식 Realtime 안내서: Foundry 배포, WebSocket, PCM16, 이벤트 규약, 수동 commit, 1시간 세션 및 지역 목록. BIG CHANGE는 예제를 실행하지 않았다.
- [Azure Speech SDK로 MAI-Transcribe-2-Streaming 사용하기](https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe-2-streaming-speech-sdk) — 공식 SDK 안내서: v1.52.0, push audio 및 인식 이벤트. 지역 표가 Realtime 안내서와 다르다. BIG CHANGE는 예제를 시험하지 않았다.
- [Azure Speech의 MAI-Transcribe(프리뷰)](https://learn.microsoft.com/en-us/azure/ai-services/speech-service/mai-transcribe) — 별도의 MAI-Transcribe-2 파일 경로 및 옵션. 스트리밍과 기능이 같다는 근거는 아니다.
- [Speech to Text Providers Leaderboard & Comparison](https://artificialanalysis.ai/speech-to-text/streaming) — 독립 벤치마크 운영자가 스트리밍 WER 및 지연 시간 지표를 설명한다. 가져온 공개 텍스트에 모델별 행이 없어 Microsoft의 정확한 순위를 독립 확인하지 못했다.
- [Speech to Text 벤치마크 방법론](https://artificialanalysis.ai/methodology/speech-to-text) — 스트리밍 오디오, 데이터셋, 가중치, 지연 시간에 관한 벤치마크 방법론. 벤치마크가 앱별 지연 시간이나 정확도를 입증하지는 않는다.