
Scribe v3 대 MAI Transcribe 2: 0.09점 차이와 4.4배 속도 격차
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100만 토큰당 · 186 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100만 토큰당 · 358 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 87 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 139 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-0737 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 135 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100만 토큰당 · 80 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100만 토큰당 · 117 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 66 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100만 토큰당 · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
ElevenLabs Scribe v3와 MAI-Transcribe-2를 하나의 하네스에 올리면 단어 오류율에서 0.09퍼센트포인트 차이로 끝납니다. Artificial Analysis의 비스트리밍 AA-WER 지수에서 1.95% 대 2.04%입니다. 둘을 하나의 처리량 벤치마크에 올리면 둘 중 하나는 동일한 1시간 분량 오디오를 대략 실제 소요 시간의 4분의 1로 처리합니다. 이 두 사실은 서로 반대 방향을 가리키며, 어느 쪽을 따를지는 대부분의 전사 비교가 결코 묻지 않는 질문, 즉 병목이 단어인지 시계인지에 달려 있습니다. Scribe v3는 프로덕션에서 측정하기 어려울 정도의 차이로 더 정확한 모델입니다. MAI-Transcribe-2는 4.4배 빠르고 가격은 절반입니다. 이 페이지는 그중 실제로 무엇에 비용을 지불해야 하는지를 다룹니다.
오디오와 비슷한 코퍼스부터 시작하세요.
0.09점의 종합 격차는 평균이며, 그 평균은 반전을 감춘다. Artificial Analysis의 Earnings-22 코퍼스 — 즉흥적이고 억양이 있으며 여러 화자가 나오는 전화 오디오로, 이 비교표에서 실제 영업 통화에 가장 가까운 것 — 에서 MAI-Transcribe-2는 2.99%, Scribe v3는 3.34%를 기록한다. Microsoft가 해당 코퍼스에서 0.35점 차로 이기는데, 이는 종합 격차의 네 배 크기이며 방향은 반대다. 핵심 낭독 음성 세트에서는 Scribe v3가 1.47% 대 1.83%로 이긴다. 의회 연설인 VoxPopuli에서는 1.52% 대 1.50%로, 잡음 범위 안의 막상막하이다.
“Scribe v3가 더 정확하다”는 것은 평균에 관한 진술이며, 그 평균은 오디오가 오디오북, 의회, 회의 통화의 평균일 때만 의미가 있다. 콜센터와 음성 에이전트 워크로드는 그렇지 않다. 이들은 Earnings-22 형태이고, 그 코퍼스에서는 순위가 뒤집힌다. 팟캐스트와 미디어 아카이브 워크로드는 낭독 음성 형태이며, 그 경우 Scribe v3의 우위는 실재하고 종합 지표가 시사하는 것보다 더 크다.

두 숫자 세트는 모두 공유 하네스에서 측정한 Artificial Analysis의 결과이며, 비교를 할 가치가 있는 이유는 바로 여기에만 있습니다. 어느 벤더의 자체 출시 자료도 서로 비교할 수 없습니다. ElevenLabs는 102개 언어에서 Scribe v2 대비 상대적 FLEURS 27% 향상을 보고하고, Microsoft는 60개 언어 전반에서 FLEURS 평균 5.2%를 보고하는데, 이 두 수치는 서로 다른 언어 세트와 서로 다른 평균 방식으로 계산된 것입니다. 제3자 보드는 두 모델이 동등한 조건에서 만나는 유일한 장소입니다.
4.4×라는 숫자는 아키텍처를 바꾸는 수치입니다
처리량은 두 모델이 더 이상 대체재처럼 보이지 않게 되는 지점이다. Artificial Analysis의 벤치에서 {{1}}MAI-Transcribe-2{{/1}}는 중앙값 속도 계수 338.5를 기록하고, {{2}}Scribe v3{{/2}}는 76.8을 기록한다. 둘 다 실시간보다 훨씬 빠르다 — Scribe v3는 한 시간 분량의 오디오를 1분 이내에 처리한다 — 따라서 팟캐스트 아카이브를 백필하는 야간 배치 작업에서는 그 차이가 보이지 않는다. 상호작용이 필요한 모든 경우에는 그렇지 않다.

음성 에이전트가 다음에 무엇을 말할지 결정하기 전에 전사본이 필요한 상황을 생각해 보자. 76.8×에서는 오디오 한 시간을 처리하는 데 47초의 연산이 걸린다. 이는 오디오가 완성된 녹음일 때는 괜찮지만, 오디오가 실시간으로 들어오는 경우에는 쓸모없다. 그래서 ElevenLabs는 그 작업을 위해 배치 모델을 가리키는 대신 별도의 실시간 모델을 판매한다. Microsoft의 답도 별도의 스트리밍 SKU다. 어느 벤더의 배치 모델도 라이브 오디오에 맞는 도구가 아니다. 처리량 수치는 다른 경우, 즉 하루에 수천 시간을 처리하면서 대기하는 것이 발신자가 아니라 큐인 대규모 비동기 파이프라인에서 중요하다.
월 10,000시간을 기준으로 하면 76.8×는 약 130시간의 컴퓨팅이 필요하고, 338.5×는 약 30시간이면 충분합니다. 이는 시간 단위로 대여하는 클러스터와 거의 신경 쓰지 않아도 되는 클러스터의 차이입니다. 또한 하룻밤 사이에 끝나는 백필과 주말을 다 보내야 끝나는 백필의 차이이기도 합니다.
가격: 2배, 유효 기간이 있음
정가 기준으로 보면 격차는 정확도 격차보다 더 명확합니다. MAI-Transcribe-2는 오디오 1시간당 $0.10, 즉 1,000분당 $1.67입니다. Scribe v3는 ElevenLabs의 11월 17일 인하 이후 오디오 1시간당 $0.20, 즉 1,000분당 $3.33입니다. 양쪽 모두 정확히 두 배입니다.
Microsoft 요율에는 그 요율에 기반해 작성되는 모든 예산에 반드시 포함되어야 하는 단서가 있습니다. 시간당 0.10달러는 2026년 말까지 진행되는 도입 프로모션이며, Microsoft는 그 이후에 적용될 표준 요율을 공개하지 않았습니다. 1,000분당 1.67달러에 고정된 2027년 계획은 가격이 책정되지 않은 항목이 포함된 계획입니다. ElevenLabs 요율은 인하 후의 상시 정가이지 프로모션이 아니므로, 오늘 기준으로는 더 높은 수치이지만 다년 모델에 더 근거가 탄탄한 숫자입니다.
헤드라인 요금 외에 두 가지 비용이 더 있으며, 둘 다 ElevenLabs에 유리합니다. Scribe v3의 키텀 프롬프팅은 기본 요금에 시간당 $0.05가 추가로 청구되고, 트랜스크립트 편집은 $0.07입니다. Microsoft는 키워드 바이어싱을 전사 호출에 포함합니다. 또한 ElevenLabs의 시간당 요금은 화자 분리, 엔티티 탐지, 단어 타임스탬프를 한 번의 처리로 포함하는 반면, Microsoft는 Azure Speech 리소스를 통해 과금하며 주변 서비스에는 별도 항목이 있습니다. 2배라는 배수는 사실이지만, 이는 격차의 하한선일 뿐 상한선은 아닙니다.
진정으로 서로 갈리는 특징
• 축어 모드 — MAI-Transcribe-2에는 있으며, 축어 출력 스타일과 정제 출력 스타일 간 전환 스위치로 제공됩니다. Scribe v3에는 없습니다. ElevenLabs는 이 모델에 대해 "축어 모드 없음"을 문서화합니다. 컴플라이언스 녹음, QA 점수 산정, 그리고 잘못 시작한 발화가 증거가 되는 모든 경우에 이는 필수 요건이며, 그 자체로 선택을 결정합니다.
• 언어 범위 — Scribe v3는 90개 이상의 언어로 문서화되어 있으며, MAI-Transcribe-2는 60개 언어를 지원하는데, 언어별 지원 표가 공개되어 있고 자동 언어 식별 기능이 기본적으로 켜져 있습니다. ElevenLabs는 언어 이름을 나열하지만, 정확도 분석 범위는 자사가 주장하는 지원 범위보다 좁습니다.
• 화자 분리 — Scribe v3는 최대 32명의 화자를 지원하며, 벤더는 v2보다 화자 분리 오류가 12% 더 적고 화자가 3명 이상일 때 17% 더 적다고 주장합니다. MAI-Transcribe-2는 화자 라벨이 지정된 세그먼트와 함께 화자 분리를 매개변수로 제공하며, Microsoft는 화자 분리 오류율을 전혀 공개하지 않습니다. 측정되지 않았다는 것은 나쁘다는 것과 같지 않지만, 측정되지 않은 것은 사실입니다.
• 도메인 어휘 — Scribe v3는 배치 요청당 최대 1,000개의 핵심 용어를 받습니다. MAI-Transcribe-2는 임의 길이의 구문 목록을 인식 힌트로 받으며, 문서에는 해당 용어가 힌트일 뿐 강제 출력이 아니라는 점이 명시되어 있습니다.
• 배포 형태 — MAI-Transcribe-2는 지정된 지역에서 Azure Speech의 향상된 모드 엔드포인트를 통해 실행되며, REST 및 SDK 경로와 입력 전사를 위한 Voice Live 통합을 제공합니다. Scribe v3는 기존 ElevenLabs 통합에서 모델 ID가 변경된 것으로, 기본적으로 미국에서 처리되며 엔터프라이즈 요금제에서는 EU, 인도, 싱가포르 데이터 상주 옵션을 선택할 수 있습니다.
• 규정 준수 — ElevenLabs는 HIPAA 관련 작업을 하려면 영업팀을 통해 서명된 BAA(Business Associate Agreement)를 요구하며, 문서에는 Scribe v3 자체가 HIPAA 적격이라는 내용이 없고 의료 분야 고객은 먼저 BAA에 서명해야 한다고만 명시되어 있습니다. Microsoft의 Azure Speech 스택은 일반적인 지역 및 엔터프라이즈 규정 준수 범위를 갖추고 있습니다. 환자 오디오를 어느 쪽에든 넣기 전에 두 문서를 모두 주의 깊게 읽어보세요.

두 번째 계약 없이 둘 다 실행하기
대부분의 팀에게 현실적인 답은 하나의 승자가 아니라 분할입니다. 즉, 각 모델이 우세를 보이는 코퍼스에는 그 모델을 배정하고, 워크로드에 따라 라우팅하는 것입니다. 바로 이런 경우를 위해 OrcaRouter의 라우팅 계층이 파이프라인 더 위쪽에 존재합니다. 트랜스크립트는 요약되고, 분류되고, 조치로 이어지는데, 바로 이러한 호출이 수없이 늘어납니다. 200개 이상의 모델을 아우르는 단일 API, 공급자 정가를 0% 마크업으로 그대로 전달, 자동 장애 조치, 그리고 두 번째 통합 없이 회의 트랜스크립트는 한 요약기로, 컴플라이언스 트랜스크립트는 다른 요약기로 보낼 수 있는 라우팅 DSL까지 갖추고 있습니다. Scribe v3도 MAI-Transcribe-2도 저희 라인업에는 없으며, 둘 다 해당 벤더가 직접 제공합니다. 따라서 분할은 여전히 두 개의 음성 계약을 의미합니다. 무너지는 것은 트랜스크립트 이후의 모든 것입니다.
정말 단일 벤더를 원한다면, 타이브레이크는 실행 비용이 저렴합니다. 자체 오디오 100시간을 확보해 두 모델을 모두 그 데이터로 평가하고, 평균이 아니라 Earnings-22 형태의 하위 집합을 보십시오. 0.09점의 복합 격차는 두 모델이 코퍼스 간에 보이는 차이보다 작으며, 이는 공개 리더보드가 답이 아니라 사전 정보임을 의미합니다.
누가 무엇을 골라야 할까요?
오디오가 대화형이고, 볼륨이 높고, 파이프라인이 비동기식이며, 축어적 출력이 필요하다면 MAI-Transcribe-2를 선택하되 1월에 요금이 바뀔 가능성을 예산에 반영하세요. 다양한 언어, 많은 화자 수, 공개된 화자 분리 주장, 또는 별표 없이 3년 모델에 넣을 수 있는 가격이 필요하다면 Scribe v3를 선택하세요. 운영 여력이 있다면 코퍼스별로 나누어 둘 다 선택하세요. 두 제품의 정확도 차이는 충분히 작아서, 결정은 사실상 처리량, 축어적 지원, 그리고 내년에도 여전히 존재할 것이라고 신뢰하는 가격에 관한 것입니다.
