Hex 3.2.0, 첫 실행에 음성 모델 준비와 연습 받아쓰기 안내
Hex 3.2.0은 첫 실행에서 운영체제별 초기 설정과 언어별 음성 모델 준비, 단축키 연습 받아쓰기를 안내합니다. 기기의 Hugging Face 캐시에 이미 모델이 있으면 추천 모델과 함께 표시해 다시 내려받지 않고 선택할 수 있습니다. 프로젝트는 첫 모델 다운로드 뒤 데이터가 기기 밖으로 나가지 않는다고 설명합니다.
최신기사
AI, 개발 도구, 오픈소스, 보안과 인프라의 변화와 이용 조건을 설명하는 최신 기사와 해설입니다.
NVIDIA Nemotron 3.5 Transcribe: 40개 언어를 지원하는 오픈 ASR
NVIDIA가 전사, 화자 구분, 번역, 음성 질의응답을 지원하는 Nemotron 3.5 Transcribe와 학습 데이터 파이프라인 Granary v2를 공개했습니다. 의료 음성 사례에서 미세조정은 화자 분리 테스트 WER을 최선의 프롬프트 기준보다 45.8% 낮췄습니다.
16.9MB 음성 인식 모델 Whistle
Cactus Compute가 모바일과 임베디드 기기에서 실행하는 16.9MB 음성 인식 모델 Whistle을 공개했습니다. 기기 안에서 전사, 단어별 타임스탬프, 음성 임베딩을 처리하며, 일부 벤치마크에서는 Whisper base보다 높은 점수를 기록했지만 모든 데이터셋에서 앞서지는 않았습니다.
Whistle — 16.9MB 파일로 기기 안에서 실행하는 음성 인식 모델
Whistle은 모바일·웨어러블·로봇·스마트홈·자동차·마이크로컨트롤러를 겨냥한 온디바이스 음성 인식 모델입니다. 모델 전체가 16.9MB이며, 전사와 단어별 타임스탬프, 음성 임베딩을 GPU나 별도 런타임 없이 처리합니다.
Phonon-2 — 164MB 영어 음성 인식 모델
Fermion Research가 다운로드 크기 164MB인 영어 음성 인식 모델 Phonon-2를 공개했습니다. Open ASR Leaderboard의 영어 7개 데이터셋에서 평균 단어 오류율(WER) 5.21%를 기록했으며, Mac·Linux·Windows의 CPU와 GPU에서 실행할 수 있습니다.
Audio8 ASR Infinite — 24시간 연속 동작을 목표로 한 스트리밍 음성 인식 모델
Audio8 ASR Infinite는 중국어와 영어를 실시간으로 받아쓰는 스트리밍 음성 인식 모델입니다. 80·120·160ms 오디오 클록과 전사 지연을 조절하며, Rolling KV Cache로 24시간 연속 동작에서도 메모리와 지연을 일정하게 유지하도록 설계했습니다.
Confucius4-R2T2 — 낮은 지연 시간과 높은 정확도를 지향하는 실시간 음성 인식 모델
Confucius4-R2T2는 이전에 출력한 문장을 수정하지 않는 append-only 방식의 실시간 음성 인식 모델입니다. 80ms부터 2초까지 디코딩 구간을 조절하며 평균 200~600ms 지연 시간을 목표로 하고, vLLM과 WebSocket 서버를 이용한 실시간 서비스 구성을 지원합니다.