딥그램, 80ms 지연 시간의 실시간 음성 합성 모델 'Flux TTS' 출시

음성 AI 데모 영상은 늘 매끄러워 보이지만, 실제 고객센터 통화에서는 말문이 막히기 일쑤입니다. 통화 상대방이 말을 자르고 끼어들거나, 주문을 갑자기 변경하거나, 긴 전화번호를 빠르게 읊는 순간 기존 시스템은 한계를 드러냅니다.

끼어들기와 주문 수정도 소화하는 초저지연 모델

딥그램(Deepgram)이 실시간 통화 환경에 맞춰 개발한 텍스트 음성 변환(TTS) 모델인 플럭스(Flux) TTS를 공개했습니다. 가장 큰 무기는 응답 지연 시간을 최저 80밀리초(ms) 수준까지 낮춘 점입니다.

플럭스 TTS는 단편적인 문장 변환을 넘어 여러 차례 오가는 대화 맥락을 유지하며 통화 도중에도 상황에 맞게 적응합니다. 대화 중단, 갑작스러운 주문 변경, 빠른 연속 숫자 발음 등 실제 고객 통화에서 빈번하게 발생하는 돌발 변수를 자연스럽게 처리하도록 설계됐습니다. 딥그램은 단순한 쇼케이스용이 아닌 실제 서비스 환경 배포를 목표로 내세웠으며, 9월 12일까지 개발자들에게 무료로 제공됩니다.

왜 중요한가

음성 AI가 실질적인 비즈니스 가치를 만들려면 스튜디오 품질의 목소리보다 즉각적인 반응 속도와 대화 회복력이 훨씬 중요합니다. 80ms의 응답 지연은 봇 특유의 어색한 정적을 거의 없애주며 인간에 가까운 대화 리듬을 만들어냅니다.

고객센터 전화에서 사람들이 AI라는 걸 눈치채고 끊어버리게 만드는 주원인은 지연 시간과 끼어들기 처리 실패입니다. 딥그램은 바로 이 가장 까다로운 실전 문제를 조준했습니다. 실시간 전화 에이전트를 개발 중인 팀이라면 9월 12일까지 주어지는 무료 테스트 기회를 활용해 기존 시스템 대비 체감 성능을 직접 비교해볼 가치가 충분합니다.