Microsoft AI 모델이 음성, 전사 및 이미지 도구를 갖춘 Vercel AI Gateway에 출시되다

Vercel은 Microsoft AI(MAI) 모델을 스피치 생성, 전사 및 이미지 생성을 위해 AI Gateway 카탈로그를 확장했습니다. 2026년 10월 1일에 발표된 이 통합 기능은 개발자들에게 기존 프로젝트에서 여러 MAI 모델 패밀리를 사용할 수 있는 단일 Vercel 경로를 제공하며, 공개된 가격과 문서화된 온보딩 과정을 갖추고 있습니다. AI 기반 제품을 구축하는 팀에게는 이미 사용하고 있는 동일한 게이트웨이와 배포 워크플로우를 통해 다양한 미디어 기능에 접근할 수 있다는 실질적인 가치가 있습니다.

Vercel의 공식 발표에 따르면, 초기 MAI 제공 범위에는 MAI-Voice-2.1 및 MAI-Voice-2.1-Flash, MAI-Transcribe-2-Streaming, MAI-Transcribe-2, MAI-Image-2.6 및 관련 변형 모델들이 포함됩니다. 이번 출시는 단일 새로운 엔드포인트라기보다는 더 광범위한 카탈로그 확장입니다. 오디오 입력, 오디오 출력, 이미지 생성 기능을 Vercel AI Gateway에 가져왔습니다.

Vercel은 또한 MAI의 제로 데이터 보존(zero data retention) 자세를 강조하며, 훈련 사용과 관련된 데이터 통제 및 투명성에 중점을 두고 있습니다. 이 세부 사항은 AI 제공업체의 데이터 처리 접근 방식이 프로세스하려는 정보에 적합한지 평가하는 팀에게 중요할 수 있습니다. 이는 애플리케이션이 모델로 보내는 데이터를 평가하거나 적절한 내부 통제를 중심으로 워크플로우를 설계해야 할 필요성을 없애지는 않습니다.

Microsoft AI가 Vercel AI Gateway에 추가하는 것

이 모델들은 멀티모달(multimodal) 애플리케이션 경험의 서로 다른 부분을 다룹니다. MAI-Voice-2.1과 그 Flash 변형은 여러 언어로 표현력이 풍부한 스피치를 제공합니다. MAI-Transcribe-2-Streaming은 실시간 전사(live transcripts)를 위해 설계되었으며, MAI-Transcribe-2는 비스트리밍 전사를 처리합니다. MAI-Image-2.6은 이미지 편집 기능을 갖춘 확산 기반(diffusion-based) 이미지 모델입니다.

이러한 범위는 제품 팀이 각 모달리티(modality)를 별도의 플랫폼 통합으로 취급할 필요 없이 음성, 전사(transcription), 이미지 워크플로우를 고려할 수 있음을 의미합니다. 예를 들어, 애플리케이션은 녹음되거나 실시간 오디오에 대한 전사를 사용하거나, 유용한 경우 음성 출력을 생성하거나, 콘텐츠 중심의 워크플로우에 이미지 생성 및 편집 기능을 추가할 수 있습니다. 적절한 구현은 여전히 제품의 데이터, 인터페이스, 비용 요구 사항에 따라 달라집니다.

게시된 가격 책정 정보는 비용 계획을 위한 시작점입니다

Vercel의 AI Gateway 카탈로그 페이지에는 모델별 가격이 게시되어 있습니다. 단위가 모델 유형마다 다르므로, 팀은 문자(characters), 이미지 또는 오디오 시간(hours of audio)과 같이 의도한 볼륨에 맞는 단위를 사용하여 비용을 추정해야 합니다.

이 표는 초기 예산 책정에 유용하지만, 전체 프로젝트 비용 추정치는 아닙니다. 예를 들어, 실시간 전사 기능은 시간당 가격으로 책정되는 반면, 생성된 음성은 문자당, 이미지는 출력당 가격으로 책정됩니다. 따라서 팀은 사용자 대상 기능이나 내부 프로세스에 전념하기 전에 자체 워크플로우에서 예상 활동량을 측정해야 합니다.

계정 설정부터 애플리케이션 통합까지의 실용적인 경로

Vercel의 MAI 카탈로그 페이지는 개발자들에게 기본적인 순서, 즉 API 키를 얻고, 문서를 참고하고, AI Gateway를 통해 관련 엔드포인트(endpoint)를 호출한 다음, 일반 Vercel 워크플로우를 통해 배포하는 방법을 안내합니다. 이는 모델 호출을 각 모달리티에 대한 별도의 배포 프로세스가 필요하지 않고 동일한 애플리케이션 환경에 통합할 수 있기 때문에 기존 Vercel 프로젝트의 실용적인 시작점입니다.

집중적인 첫 번째 구현을 위해, 팀은 짧은 순서대로 작업할 수 있습니다:

• 특정 범위의 사용 사례를 선택합니다: 예를 들어 업로드된 녹음 파일을 전사하거나 정의된 애플리케이션 기능에 대한 이미지를 생성하는 경우입니다.
• 모델을 상호작용에 맞게 매칭합니다: 실시간 전사가 필요한 경우에는 스트리밍 전사 옵션을, 캡처 후 처리할 수 있는 오디오의 경우에는 비스트리밍 모델을 사용해야 합니다.
• AI Gateway를 통해 통합합니다 API 키와 문서를 사용하여 통합한 다음, 프로젝트의 일반적인 Vercel 워크플로우를 통해 배포합니다.
• 모델로 전송되는 데이터를 검토하고, MAI의 제로 데이터 보존(zero data retention) 정책이 애플리케이션 자체의 정보 처리 요구 사항과 어떻게 관련되는지 평가해야 합니다.

이번 출시가 모든 애플리케이션에 세 가지 모달리티(modality)가 필요하다는 것을 의미하지는 않습니다. 정확한 오디오 변환만 필요한 서비스는 전사 기능으로 시작할 수 있습니다. 이미 확립된 텍스트 경험을 가진 제품은 음성 출력이 더 관련성이 높다고 판단할 수 있습니다. 이미지 생성 및 편집은 시각적 자산이 이미 워크플로우의 일부인 곳에서 가장 유용할 수 있습니다. 측정 가능한 하나의 사용 사례부터 시작하는 것이 팀이 추가적인 AI 기능을 추가하기 전에 사용자 가치와 운영 비용을 테스트하는 데 도움이 됩니다.

기업에게 주된 기회는 단순히 더 많은 모델 목록이 아닙니다. 이는 이미 프로젝트의 배포 워크플로우를 처리하는 개발자 플랫폼을 통해 관련 AI 기능을 기존 웹 제품에 연결할 수 있는 옵션입니다. Vercel은 사용 가능 여부, 가격 책정 및 통합 가이드를 공개했지만, 애플리케이션의 품질은 여전히 사려 깊은 제품 설계, 테스트 및 실제 사용 모니터링에 달려 있을 것입니다.

팀이 음성, 전사(transcription) 또는 이미지 기능을 신뢰할 수 있는 비즈니스 워크플로우로 전환하고자 한다면, Scalevise가 도움을 줄 수 있습니다 사용 사례 매핑, 필요한 시스템을 연결하고 수동 작업을 줄여줍니다. 당사의 AI 워크플로우 자동화 서비스는 AI를 그 자체로 추가하기보다는 기존 운영에 맞는 실질적인 구현에 중점을 둡니다. Scalevise와 함께 AI 자동화 프로젝트 논의부터 시작해 보세요.

자주 묻는 질문 (FAQ)

Vercel AI Gateway를 통해 사용할 수 있는 Microsoft AI 모델은 무엇인가요?

Vercel은 AI Gateway에 MAI-Voice-2.1, MAI-Voice-2.1-Flash, MAI-Transcribe-2-Streaming, MAI-Transcribe-2, MAI-Image-2.6 및 관련 변형들을 나열하고 있습니다.

MAI-Transcribe-2와 MAI-Transcribe-2-Streaming의 차이점은 무엇인가요?

MAI-Transcribe-2-Streaming은 실시간 전사(live transcripts)용으로 설계되었습니다. MAI-Transcribe-2는 비스트리밍(non-streaming) 전사 옵션입니다.

Vercel AI Gateway에서 MAI 모델의 비용은 얼마인가요?

공개된 예시에는 MAI-Voice-2.1의 경우 백만 문자당 22달러, MAI-Image-2.6의 경우 이미지당 0.01달러, 스트리밍 전사의 경우 시간당 0.54달러, 비스트리밍 전사의 경우 시간당 0.10달러가 포함되어 있습니다.

개발자는 Vercel에서 MAI를 어떻게 사용하기 시작할 수 있나요?

개발자들은 API 키를 얻고, Vercel의 문서를 사용하여 AI Gateway를 통해 MAI 엔드포인트를 호출하며, 이를 기존 프로젝트에 통합하고 일반적인 Vercel 워크플로우로 배포할 수 있습니다.

결론

Microsoft AI가 Vercel AI Gateway에 출시되면서 개발자들은 단일 플랫폼을 통해 음성, 전사 및 이미지 모델에 대한 문서화된 접근 권한을 얻게 되었습니다. 공개된 가격 책정, 온보딩 가이드, 그리고 명시된 제로 데이터 보존(zero data retention) 정책은 팀들이 기존 Vercel 애플리케이션에서 집중적인 멀티모달 기능을 평가할 수 있는 구체적인 기반을 제공합니다.