Liquid AI, 다국어 음성 작업 지원하는 LFM3-Audio-2B 공개
Liquid AI가 음성 인식·합성·번역과 녹음 이해, 도구 호출을 지원하는 20억 매개변수 모델 LFM3-Audio-2B를 공개했습니다. 한국어를 포함한 18개 언어의 음성 작업을 지원하지만, 음성 대화와 실시간 받아쓰기는 영어만 지원합니다. 회사가 제시한 지연 시간과 음성 변환 속도는 각각 특정 설명·장비 조건에 따른 수치입니다.
AI 모델 · 최신기사
모델 공개와 성능, 가중치와 이용 조건을 다룹니다.
Fish Audio Drama 3: 여러 인물과 긴 콘텐츠를 위한 음성 합성 모델
Fish Audio가 여러 화자의 대화와 긴 콘텐츠 생성을 겨냥한 350억 파라미터 텍스트 음성 변환 모델 Drama 3를 공개했습니다. H200 한 장에서 측정한 스트리밍 성능과 보코더를 별도 GPU에 배치했을 때의 처리량·첫 오디오 지연도 함께 제시했습니다.
EMA Lightning: 860만 파라미터로 구현한 튀르키예어 음성 합성 모델
EMA Lightning은 튀르키예어 텍스트를 음성으로 바꾸는 오픈소스 모델입니다. 제작자는 860만 파라미터로 Freya-TR-Eval에서 WER 0.92%를 기록했으며, RTX 4090에서 실시간보다 440배 빠르게 생성했다고 보고합니다. 스트리밍과 여러 요청의 GPU 동시 처리도 지원합니다.
Eclatira — 어떤 기술 스택에도 연결하는 대화형 비디오 에이전트
Eclatira는 실시간 음성 대화와 카메라·화면 인식, API 실행을 하나의 엔진으로 묶은 개발자용 서비스입니다. 제작사는 MCP와 3,000개 이상의 앱 연동을 지원하며, 영상 스트림을 저장하지 않는다고 밝혔습니다.
NVIDIA Nemotron 3 Diarization, 최대 8명 화자 실시간 분리
NVIDIA가 최대 8명의 화자를 구분하는 오픈 웨이트 음성 분리 모델 Nemotron-3-Diarization을 공개했습니다. 스트리밍 지연 시간은 0.32초부터 설정할 수 있으며, 공개 평가에서 기존 Streaming Sortformer 모델보다 낮은 화자 분리 오류율(DER)을 기록했습니다.
Gemini 3.8 음성 합성 모델 공개
Google이 자연어로 음성을 설계하고 대사별 연기 지시를 넣을 수 있는 Gemini 3.8 Flash TTS와 대량 처리에 맞춘 Flash-Lite TTS를 공개했습니다. 100개 이상 언어 지원, 30초 샘플 기반 음성 복제, SynthID 워터마크를 내세웠지만, 댓글에서는 실제 음성 품질과 안전장치, 가격 및 제품별 출시 시점에 대한 의견이 엇갈립니다.