마이크로소프트(MS)가 음성 인식, 음성 생성, 이미지 생성 등 핵심 멀티모달 영역을 아우르는 AI 모델 3종을 공개하며 ‘AI 자급화’ 전략에 시동을 걸었다.
MS는 2일(현지시간) 자체 개발한 AI 모델 3종 ▲음성 인식 모델 ‘MAI-트랜스크라이브-1(MAI-Transcribe-1)' ▲음성 생성 모델 ‘MAI-보이스-1(MAI-Voice-1) ▲이미지 생성 모델 'MAI-이미지-2(MAI-Image-2)'을 공개했다.
이들 모델은 ‘MS 파운드리(Foundry)’ 플랫폼을 통해 공개 프리뷰 형태로 제공되며, 코파일럿(Copilot), 빙(Bing), 파워포인트, 애저 스피치(Azure Speech) 등 자사 주요 서비스에도 이미 적용되고 있다.
가장 주목받는 모델은 음성 인식 모델인 MAI-트랜스크라이브-1이다. 이 모델은 25개 언어에서 평균 3.8%의 낮은 오류율을 기록하며, 기존 주요 경쟁 모델 대비 높은 정확도를 확보했다.
동시에 GPU 사용량을 절반 수준으로 줄여 비용 효율성을 크게 개선했다. 이는 기업 환경에서 예측 가능한 비용 구조를 제공한다는 점에서 중요한 경쟁력으로 평가된다.
음성 생성 모델 MAI-보이스-1도 빠른 속도가 강점이다. 단일 GPU에서 1초 이내에 60초 분량의 자연스러운 음성을 생성할 수 있으며, 짧은 샘플만으로 특정 인물의 목소리를 복제하는 기능도 지원한다. 이를 통해 콜센터 자동화, 가상 비서, 실시간 음성 인터페이스 등 다양한 서비스 구현이 가능해졌다.
이미지 생성 모델 MAI-이미지-2는 텍스트 기반 이미지 생성 분야에서 상위권 성능을 기록하며, 사실적인 이미지 표현과 복잡한 레이아웃 처리 능력을 강화했다. 특히 기업 커뮤니케이션, 디자인 시안 제작, 제품 콘셉트 시각화 등 실무 중심 활용에 초점을 맞췄다. 글로벌 광고 기업 WPP가 초기 파트너로 참여해 대규모 제작 워크플로에 적용하고 있다.
이번 발표는 단순한 신제품 출시를 넘어 전략적 의미를 갖는다. 그동안 MS는 오픈AI와의 협력을 통해 AI 경쟁력을 확보해왔지만, 계약 구조상 자체 대규모 모델 개발에는 제약이 있었다. 그러나 최근 계약 재협상을 통해 독자적인 초거대 AI 개발이 가능해지면서, 본격적인 ‘AI 독립’ 노선에 들어섰다.
MS AI 부문을 이끄는 무스타파 술레이먼 CEO는 "2027년 안으로 텍스트, 이미지, 음성을 모두 아우르는 최첨단 모델을 자체적으로 확보하겠다"라는 목표를 밝혔다. 그는 “궁극적으로 MS가 필요로 하는 모든 AI 역량을 자체적으로 제공할 수 있어야 한다”고 강조했다.
특히 이번 모델들은 소수 인력으로 개발됐다는 점에서도 주목된다. 각 모델 개발팀이 10명 내외로 구성됐음에도 불구하고, 업계 최고 수준의 성능과 효율성을 달성했다. 이는 대규모 인력과 비용 투입이 필수라는 기존 AI 개발 공식에 도전하는 사례로 평가된다.
비용 경쟁력도 핵심 전략이다. MS는 경쟁사 대비 낮은 가격 정책을 통해 시장 점유율 확대를 노리고 있다. 음성 생성 모델은 100만 문자당 22달러, 이미지 생성 모델은 입력 기준 100만 토큰당 5달러 수준으로 책정됐다. 동시에 GPU 사용량을 줄여 자사 서비스 운영 비용 절감 효과도 기대하고 있다.
이와 함께 MS는 엔비디아 GPU 클러스터 확대를 통해 초거대 모델 개발에 필요한 연산 인프라를 구축 중이다. 현재는 중형 모델 중심 전략을 취하고 있지만, 앞으로 12~18개월 내 최첨단 수준의 대규모 모델 개발로 확장한다는 계획이다.
박찬 기자 cpark@aitimes.com
댓글
0