- MAI-Voice-1은 단일 GPU를 사용하여 매우 낮은 지연 시간으로 고품질의 표현력이 풍부한 음성을 생성합니다.
- MAI-1-preview는 약 15.000개의 H100으로 훈련된 MoE 모델로, 지시를 따르는 데 중점을 두고 있습니다.
- 두 기능 모두 점차 Copilot에 통합되고 있으며 Labs와 LMArena에서 테스트할 수 있습니다.
- 전략: OpenAI와 공존하면서 특수 모델을 조율합니다.
뛰어난 이미지
마이크로소프트는 자체 개발한 인공지능 모델인 MAI-Voice-1과 MAI-1-preview를 마이크로소프트 AI 산하에 출시하며 첫 행보를 보였습니다 . 이번 출시를 통해 마이크로소프트는 음성 및 텍스트 모두에 특화된 모델을 자사 어시스턴트와 서비스에 적용하는 제품 전략을 추진하고자 합니다.
이 기술 회사의 목표는 AI를 "지식의 세계로 가는 관문" 으로 만들어 각 사용자를 이해하는 신뢰할 수 있는 시스템들을 구축하는 것입니다. 이를 위해 두 가지 핵심 혁신 기술을 개발했는데, 하나는 매우 빠르고 표현력이 풍부한 음성 모델이고, 다른 하나는 다양한 전문가의 의견을 혼합하여 지시를 따르고 일상생활에 유용한 답변을 제공하는 텍스트 모델입니다 .
MAI란 무엇이고 왜 지금인가요?
MAI는 Microsoft AI 의 약자로 , 마이크로소프트가 자체적인 핵심 모델들을 아우르는 브랜드입니다. 맥락이 중요한데, OpenAI와의 관계는 지속되고 있지만 경쟁 구도가 점점 심화되고 있으며, 마이크로소프트는 OpenAI를 경쟁사 목록에 포함시키기까지 했습니다 . 그럼에도 불구하고 마이크로소프트는 파트너사와 오픈 커뮤니티에서 제공하는 "최고의 모델"들을 필요에 따라 계속 활용할 것이라고 강조합니다.
이러한 출시의 배후에는 마이크로소프트 AI CEO이자 딥마인드 공동 창립자인 무스타파 술레이만이 있으며, 그는 "제품을 위한 플랫폼으로 적용되는 AI"를 만들겠다는 목표를 분명히 밝혔습니다. 다시 말해, 코파일럿 및 기타 경험에 통합되어 특정 음성 및 텍스트 요구 사항을 효율적으로 충족하는 전문 모델을 개발 하는 것입니다.
MAI-Voice-1: 속도와 표현력을 중시하는 음성 모델
가장 먼저 공개된 MAI-Voice-1 은 표현력이 풍부하고 고음질의 오디오를 매우 낮은 지연 시간으로 생성할 수 있는 음성 합성 시스템입니다. 이 시스템의 핵심 장점은 자연스러움과 억양 변화를 유지하면서 1분 분량의 오디오를 1초도 안 되는 시간에 생성 할 수 있다는 점입니다.
속도 외에도 이 모델의 강점 중 하나는 표현력입니다. 내레이션이나 음성 안내 에 맞춰 다양한 스타일, 톤, 뉘앙스를 지원하며, 단일 음성 또는 다중 음성 시나리오에서 마이크로소프트가 "매우 표현력이 풍부하고 자연스러운" 음성이라고 설명하는 결과를 제공합니다.
효율성 또한 핵심적인 특징입니다. MAI-Voice-1은 추론에 단일 GPU를 사용하여 현재 사용 가능한 음성 시스템 중 가장 효율적인 시스템 중 하나입니다. 컴퓨팅 비용이 상당한 환경에서 이러한 최적화는 소비자 제품에 기능을 확장하는 데 매우 중요합니다.
사용 가능성 측면에서 MAI-Voice-1은 이미 Copilot Daily와 Podcasts 에 통합되어 있으며, Copilot Labs 에서도 새로운 경험으로 제공됩니다 . Copilot Labs에서는 내레이션과 표현력 있는 음성을 실험해 보고, 스타일을 조정하고, 연구실 환경 내에서 다양한 음성을 탐색할 수 있습니다.
그것이 어떻게 들리는지, 그리고 오늘 그것을 어떻게 활용할 수 있는지
사용해본 사람들은 음질이 매우 자연 스럽고 억양과 리듬 조절이 훌륭하다고 평가합니다. 다만 현재는 영어로만 제공된다는 점에 유의해야 합니다 . 마이크로소프트는 다음과 같은 예시를 제공합니다. "공룡 이야기"를 요청하면 적절한 음성 변화와 톤이 포함된 1분 분량의 이야기를 빠르게 들을 수 있습니다.
Copilot Labs의 " 오디오 표현 " 기능은 스크립트에서 오디오를 생성하고 내레이션 스타일을 수정할 수 있도록 해줍니다. 여기에는 감정 모드 (톤과 리듬 조정, 다양한 목소리 지정 등)와 표현력 있는 내레이션에 초점을 맞춘 스토리 모드 가 포함됩니다 . 이 기능은 복잡한 환경을 구축하지 않고도 다양한 가능성을 탐색하려는 사용자를 위해 테스트 및 프로토타입 제작을 용이하게 해줍니다.
마이크로소프트는 활용 사례로 스토리텔링과 내레이션 부터 명상 가이드, 실시간 대화가 가능한 가상 비서에 이르기까지 다양한 분야를 언급했습니다. 지연 시간 단축과 풍부한 표현력의 결합은 자연스러움이 중요한 음성 인터페이스에서 더욱 매끄러운 경험을 제공할 수 있는 가능성을 열어줍니다.
- 역동적인 내레이션 스토리, 팟캐스트 또는 교육을 위해.
- 가이드 명상 음색적 변화를 통한 웰빙 콘텐츠.
- 대화형 비서 (거의) 실시간으로 상황에 맞게 대응합니다.
- 신속한 프로토타입 제작 Copilot Labs에서 스타일과 음성을 조정합니다.
컴퓨팅 효율성: 1초 이내에 1분 분량의 오디오를 처리합니다.
고음질의 풍부한 표현력을 갖춘 오디오를 생성하려면 뛰어난 기술력이 요구되지만, MAI-Voice-1은 단 하나의 GPU만으로 이를 초저지연으로 구현해냅니다. 그 결과는 놀랍습니다. 1분 분량의 오디오를 1초도 안 되는 시간에 처리합니다. 소비자 제품의 경우, 이러한 낮은 지연 시간과 합리적인 가격의 조합은 원활하고 확장 가능한 사용자 경험을 제공하는 데 매우 중요합니다.
오늘날 음성 시스템이 품질과 속도를 놓고 경쟁하는 환경에서 마이크로소프트는 MAI-Voice-1을 가장 효율적인 시스템 중 하나로 자리매김하고 있습니다. 이러한 효율성은 비용 절감으로 이어질 뿐만 아니라, 이전에는 비용이나 지연 시간 문제로 실현 불가능했던 다양한 활용 사례를 가능하게 합니다.
MAI-Voice-1을 어디서 시도할 수 있나요?
현재 MAI-Voice-1은 Copilot Daily (뉴스 요약)와 Copilot Podcasts , 그리고 Copilot Labs를 통해 사용자 테스트를 진행하고 있습니다 . Copilot Labs에서는 표현력이 풍부한 음성 및 내레이션 시연을 통해 스타일, 리듬, 톤에 대한 완벽한 제어 기능을 선보이며, 고품질 출력을 보장합니다.
직접 체험해보고 싶으시다면, 가장 간단한 방법은 Copilot Labs를 열고 음성 섹션에서 다양한 내레이션 모드를 사용해 보는 것입니다 . 기대가 크지만, 이는 단지 첫 번째 버전일 뿐이며, 마이크로소프트는 커뮤니티의 피드백을 바탕으로 지속적으로 개선하고, 매개변수를 조정하고, 기능을 확장해 나갈 것이라는 점을 기억해 두시기 바랍니다.
MAI-1-preview: 대규모 훈련된 텍스트 모델
음성 모델과 함께 마이크로소프트 AI의 첫 번째 독자적인 언어 모델인 MAI-1-preview 가 공개되었습니다 . 이 모델은 지시를 따르고 일상적인 질문에 효과적으로 답변하도록 설계되었습니다. 선택된 아키텍처는 전문가 혼합형 (MoE) 아키텍처로, 여러 전문가가 각자의 전문 분야를 가지고 있으며 작업에 따라 선택적으로 활성화되어 효율성과 성능을 향상시키는 전략입니다.
학습 측면에서 마이크로소프트는 MAI-1-preview가 약 15.000개의 Nvidia H100 GPU를 사용하여 사전 학습 및 사후 학습을 거쳤다고 설명합니다. 이러한 규모는 명령어 정렬을 위한 견고한 기반을 제공하고 일반적인 채팅 및 생산성 시나리오에서 실질적인 응답을 제공하는 데 도움이 됩니다.
MoE 접근 방식은 최근 고급 모델의 트렌드를 떠올리게 합니다. 즉, 시스템을 전문화된 구성 요소로 나누고 쿼리에 필요한 부분만 활성화하는 방식입니다. 이러한 방식은 DeepSeek 및 Qwen과 같은 프로젝트에서 볼 수 있으며 , 추론 효율성이 기존의 밀집 아키텍처와 차별화되는 요소가 됩니다.
가용성, 공개 평가 및 점진적 배포
MAI-1-preview가 이제 LMArena 커뮤니티 평가 플랫폼 에서 테스트 가능합니다. 테스트하려면 로그인 후 다이렉트 채팅 모드를 선택 하고 "mai-1-preview"를 선택하세요. 누구나 실제 대화 환경에서 MAI-1-preview 의 동작을 경험 하고 다른 모델과 비교해 볼 수 있습니다.
마이크로소프트는 특정 텍스트 사용 사례에 대해 코파일럿에 MAI-1-preview를 배포하기 시작했습니다 . 목표는 두 가지입니다. 첫째, 사용자 피드백을 수집하는 것이고, 둘째, 현재 회사의 어시스턴트 핵심 기능을 뒷받침하는 다른 시스템과 공존하면서 실제 환경에서 모델을 더욱 개선하는 것입니다.
이와 동시에, 회사는 신뢰할 수 있는 테스터 와 개발자를 대상으로 조기 액세스 API 접근을 허용했습니다. 이 통제된 단계를 통해 테스터와 개발자는 API를 더 많은 사용자에게 공개하기 전에 안정성과 성능에 대한 피드백을 수집할 수 있으며, 특히 응답 품질 과 지침 준수 여부에 중점을 둘 것입니다.
OpenAI 모델을 대체하는 것일까요? 공존과 그 자체의 야망
마이크로소프트는 당분간 자사 모델과 파트너사 모델, 그리고 커뮤니티 혁신 기술을 결합하여 사용할 것이라고 분명히 밝혔습니다. 실제로 이는 MAI-1 프리뷰가 현재 코파일럿(Copilot)을 구동하는 시스템을 대체하기 위한 것이 아님을 의미합니다. 마이크로소프트는 MAI-1 프리뷰를 특정 작업 에 활용하여 결과를 측정하고 피드백을 기반으로 배포 방식을 조정할 계획입니다.
일부 보고서에 따르면 마이크로소프트의 새로운 알고리즘은 코파일럿에 탑재된 GPT 계열의 고급 버전을 대체하지는 않을 것이라고 합니다. 어쨌든 중요한 점은 마이크로소프트가 기술적 독립성을 강화하고 있다는 것입니다 . 오픈AI와의 협력은 계속되지만, 양측이 이제 AI 시장에서 서로를 경쟁자로 인식하고 있다는 점에서 더욱 미묘한 양상을 띠고 있습니다.
이 장은 OpenAI와의 복잡한 관계를 배경으로 합니다. 마이크로소프트는 OpenAI에 막대한 투자를 했고, 한때 이 제휴는 마이크로소프트 전략의 핵심이었지만, 작년에 마이크로소프트 는 OpenAI를 아마존, 애플, 구글, 메타와 함께 경쟁사로 분류했습니다 . 동시에 OpenAI는 가상의 인공 일반 지능(AGI)과 같은 미래의 첨단 기술 공유에 대해 유보적인 입장을 표명했는데, 이는 마이크로소프트가 자체적인 역량을 갖춰야 할 필요성을 강조합니다.
디자인 철학: 유용한 AI, '디지털 페르소나'가 아닙니다
마이크로소프트 AI는 지표와 벤치마크를 넘어 대화형 AI가 제공해야 하는 경험에 대한 입장을 밝혔습니다. 술레이만은 시스템이 마치 감정이나 목표를 가진 것처럼 보이게 구축하는 것이 바람직하지 않은 기대나 혼란을 야기할 수 있다고 경고했습니다.
로드맵은 시스템을 의인화하는 기능을 제거하고, 의식을 가장하는 부작용 없이 유용 하고 책임감 있는 도구로서의 AI를 강화하는 것을 목표로 합니다. MAI-Voice-1의 경우, 이는 인간의 감정을 기만적으로 모방하는 선을 넘지 않으면서 목소리의 표현력과 자연스러움을 우선시하는 것을 의미합니다 .
전략: 제품 중심의 전문화된 모델을 조율합니다.
마이크로소프트는 특정 의도와 맥락에 맞춰 설계된 모델들의 생태계를 구축하는 것이 목표라고 강조합니다 . 실제로 MAI-Voice-1은 속도와 품질을 중시하는 음성 인터페이스에 특화되어 있으며, MAI-1-preview는 명령 추적 및 즉각적인 사용자 편의성이 뛰어난 텍스트 작업에 중점을 두고 있습니다.
이러한 모듈식 설계 덕분에 Copilot과 다른 서비스는 상황에 따라 각 모델의 장점을 결합할 수 있습니다. 예를 들어 매력적인 목소리로 뉴스 요약을 전달하거나 , 일상적인 질문에 정확하게 답변하거나, 팟캐스트나 명상 가이드에 맞춰 음성 출력 스타일을 조정하는 데 활용할 수 있습니다.
사용자와 개발자를 위한 사용 사례 및 기회
최종 사용자에게는 더욱 유용한 답변과 이미 사용 중인 제품에서 향상된 음성 경험을 제공합니다 . 콘텐츠 또는 팟캐스트 제작팀에게는 고품질, 저지연 음성 엔진을 통해 기술적 어려움 없이 더 많고 더 나은 콘텐츠를 제작할 수 있습니다.
개발자에게 MAI-1 프리뷰 API를 통한 조기 액세스는 프로토타입 제작 및 제어된 테스트를 가능하게 하여 이 모델이 다른 모델에 비해 어떤 장점을 제공하는지 평가할 수 있도록 해줍니다. 또한 LMArena 단계에서는 맥락적 비교와 응답 품질 및 지시 사항 준수 능력 에 대한 실제 지표 수집이 가능합니다.
- 사용자: Copilot Daily와 Podcast의 음성이 개선되어 상호작용이 더욱 자연스러워졌습니다.
- 크리에이터: 스타일과 리듬을 제어한 내레이션과 대본.
- 사업: 지연 시간이 매우 짧고 표현력이 뛰어난 음성 비서.
- 개발자: 빠른 반복을 위한 LMArena 테스트 및 조기 API 액세스.
단기적으로 무엇을 기대해야 할까요?
단기적으로는 Microsoft가 피드백을 분석하고 개선 사항을 배포하는 동안 MAI-1 미리보기 버전이 Copilot의 다른 모델들과 함께 특정 텍스트 사용 사례에 대해 제공될 예정입니다. 이러한 점진적 접근 방식을 통해 전반적인 사용자 경험을 저해하지 않으면 서 영향력을 측정하고 경험을 세밀하게 조정할 수 있습니다.
이와 동시에 마이크로소프트는 코파일럿 랩(Copilot Labs)과 이미 MAI-Voice-1이 적용된 제품에서 MAI-Voice-1을 더욱 발전시킬 것으로 예상됩니다. 더 많은 음성 시나리오 와 예시를 추가함으로써 마이크로소프트는 다양한 음성 스타일과 실제 생산 환경의 문제점에 대한 모델의 반응을 더욱 효과적으로 검증할 수 있을 것입니다.
미래 방향의 징후
마이크로소프트의 입장은 분명합니다. 자사 제품을 통해 수십억 명의 사람들에게 다가가겠다는 야심을 갖고 있으며 , 이를 위해 모델과 컴퓨팅 성능을 지속적으로 개선하고 있습니다. MAI-1은 이러한 제품 제품군의 시작이며, 품질, 비용, 지연 시간 사이의 균형을 더욱 세밀하게 조정한 다양한 변형 및 새로운 버전들이 출시될 것으로 예상됩니다.
경쟁 측면에서 볼 때, 텍스트 모델에 대한 MoE 전략은 마이크로소프트가 대량 생산 제품에서 대규모 확장에 필수적인 효율적인 추론 아키텍처를 지속적으로 탐구할 것임을 시사합니다. MAI-Voice-1 사례는 음성이 미래 음성 비서 인터페이스 의 핵심 요소임을 더욱 확증해 줍니다.
생태계와의 관계 및 대중의 입장
오픈AI와의 관계는 계속 중요하게 유지되겠지만, 마이크로소프트는 이미 단일 혁신 소스에 얽매이고 싶지 않다는 점을 분명히 했습니다. 마이크로소프트는 자사 팀, 파트너, 그리고 오픈 커뮤니티의 장점을 제품과 고객에게 가치를 더하는 한 계속해서 통합해 나갈 것입니다. 동시에, 전략적으로 중요한 영역에서는 자사 브랜드(MAI)를 자율성 구현 의 핵심 수단으로 자리매김하고 있습니다.
현재의 공존과 미래의 더 큰 독립성을 추구하는 이러한 균형 잡기는 비서 및 생산성 분야에서 경쟁을 가속화할 수 있습니다. 사용자 입장에서 바라는 효과는 분명합니다. 더 다양한 도구를 활용 하고 일상적인 문제를 실질적으로 해결하는 기능을 더욱 효과적으로 개선하는 것입니다.
마이크로소프트는 MAI-Voice-1과 MAI-1-preview를 통해 실용성과 속도를 결합한 접근 방식을 취하고 있습니다. 효율적이고 표현력이 풍부한 음성 모델은 이미 Copilot에서 다양한 경험을 지원하고 있으며, 대규모 MoE(Motion of Education) 유형의 텍스트 모델 은 통제된 환경에 배포되기 시작하여 LMArena에서 테스트할 수 있고, 신뢰할 수 있는 테스터에게 API를 통해 공개되고 있습니다. 궁극적인 목표는 명확합니다. 각 개인의 일상적인 요구에 맞춰 조정되는 특화된 모델을 제품에 통합하는 것입니다.
