Vercel AI Gateway, Microsoft 음성 생성·실시간 전사 모델 지원

이번 소식

Vercel AI Gateway에서 Microsoft AI의 MAI-Voice-2.1·MAI-Voice-2.1-Flash와 MAI-Transcribe-2 Streaming을 사용할 수 있게 됐습니다. 앞의 두 모델은 글을 음성으로 읽고, 전사 모델은 들어오는 소리를 글로 바꿉니다. 음성 안내나 대화형 서비스를 만드는 개발팀이 기존 AI Gateway 연결에서 선택할 수 있는 모델이 늘어난 것입니다.

주요 변경

• 긴 낭독과 빠른 응답을 구분: MAI-Voice-2.1은 긴 문장에서도 화자의 일관성을 유지하는 낭독용으로, Flash는 응답 대기 시간을 줄이는 대화형 용도로 소개됐습니다. Vercel은 두 모델이 23개 언어를 지원한다고 안내하며, 모델 페이지에는 한국어 음성 ko-KR-Haena와 ko-KR-Junho도 표시됩니다.
• 녹음이 끝나기 전 전사: MAI-Transcribe-2 Streaming은 오디오가 도착하는 동안 중간 문장을 보냅니다. 뒤에 들어오는 소리에 따라 중간 결과가 바뀔 수 있으므로, 화면에서는 새 결과로 교체하고 확정된 구간과 구분해야 합니다.
• 공통 연결에서 호출: 공식 안내는 AI SDK 7의 음성 생성·스트리밍 전사 기능을 사용합니다. 모델 ID는 각각 microsoft/mai-voice-2.1, microsoft/mai-voice-2.1-flash, microsoft/mai-transcribe-2-streaming입니다.

영향 대상과 활용

예를 들어 같은 서비스에서 긴 안내문은 낭독용 모델로 읽고, 짧은 음성 답변은 Flash로 만드는 구성을 시험할 수 있습니다. 실시간 자막도 전체 녹음 파일을 다 받은 뒤 처리하는 방식과 다르게 만들 수 있습니다. 이는 활용 예이며, 실제 응답 속도나 한국어 인식 정확도를 비교한 결과는 아닙니다.

특히 전사 중간 문장을 곧바로 최종 답으로 저장하면 뒤늦게 수정된 말을 놓칠 수 있습니다. 자막을 보여주는 단계와 확정 기록을 남기는 단계를 나누는 점이 구현 시 중요합니다. 한국어 음성 생성 선택지가 있다는 사실을 전사 모델의 한국어 품질 보장으로 넓혀 해석하지 않았습니다.

사용 전 확인할 점

모델 페이지 기준 음성 생성은 입력 100만 문자당 미화 22달러, Flash는 15달러입니다. 실시간 전사는 오디오 1시간당 0.54달러입니다. 토큰 수가 아닌 문자 수·오디오 시간 기준이며, Vercel은 추론 요금에 별도 플랫폼 수수료나 가산금을 붙이지 않는다고 밝혔습니다.

AI Gateway 인증과 사용 가능한 크레딧이 필요합니다. 음성 기능 문서는 베타로 표시되고 SDK 예제도 실험적 API를 사용합니다. 모델 소개의 즉석 음성 복제는 접근이 제한된 기능이므로 누구나 바로 사용할 수 있다고 보면 안 됩니다.

공식 출처·발표 시점

원문 발표일은 2026년 10월 1일입니다. 공식 Atom 시각은 10월 1일 09:00 KST이며, 본문에는 세부 발표 시각이 없습니다. Voice-2.1·Flash·Streaming 모델 문서에서 가격과 조건을 확인했습니다.

원문 출처 보기 →