Trawling

최신기사

AI, 개발 도구, 오픈소스, 보안과 인프라의 변화와 이용 조건을 설명하는 최신 기사와 해설입니다.

발행

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.

발행

ElevenLabs Realtime 공개…v1 Max 첫 오디오까지 570ms

ElevenLabs가 음성 인식, 발화 차례 처리, LLM, 음성을 함께 조정한 음성 에이전트 모델군 Eleven Realtime을 공개했습니다. v1 Mini는 첫 오디오까지 620ms, v1 Max는 570ms라고 밝혔으며 90개 이상 언어와 OpenAI 호환 Realtime API를 지원합니다.

발행

llamadart로 구현하는 로컬 음성 대화: Llama Village에 목소리 더하기

llamadart와 Qwen 모델을 조합해 음성을 인식하고 대화 응답을 생성한 뒤 음성으로 합성하는 macOS 명령줄 예제를 만들었습니다. 3B 모델 조합과 더 작은 모델 조합을 비교한 결과, 작은 조합은 다운로드 용량과 메모리를 줄였지만 이 테스트에서는 전체 응답 시간이 더 길었습니다.

발행

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.

발행

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.

발행

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.

발행

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.