칭화대, 음성 추출 모델 Falcon 오픈소스 공개: 입모양 추적해 특정 목소리만 분리
칭화대 연구진이 화자 분리 모델 Falcon을 오픈소스로 공개했다. 카메라로 입 모양을 추적해 시끄러운 환경에서도 목표 인물의 음성만 실시간 추출하며, 학습 파라미터는 50만 개에 불과하다. 함께 제공되는 Falcon Studio를 통해 노트북에서 로컬 구동하고 Zoom이나 텐센트 회의에 바로 연결할 수 있다.
오픈소스 · 데일리
금
10월 23일 금요일
Gradium, 온디바이스 TTS 'phonon-31m-en' 공개: 64.5MB로 브라우저서 로컬 실행
Gradium 팀이 경량 영어 음성 합성 모델 phonon-31m-en을 공개했다. Pocket TTS와 Mimi 코덱 기술을 기반으로 개발되어 8비트 양자화 시 64.5MB에 불과하며, 스마트폰과 웹 브라우저 등에서 오프라인 스트리밍 음성 합성이 가능하다. Apache 2.0 라이선스로 상업적 이용도 지원한다.
ISTA-DASLab, 12GB 그래픽카드로 구동하는 763B DeepSeek-V4.1 양자화 모델 공개
ISTA-DASLab이 DeepSeek-V4.1-Flash-1017의 GSQ-RCO 비균일 양자화 GGUF를 공개했습니다. 763B 파라미터 MoE 모델을 최소 1.75 bpw까지 압축해 Strata 엔진을 통해 12GB VRAM 단일 GPU에서 구동할 수 있습니다. 2.00 bpw 빌드는 원본 성능을 100% 유지해 로컬 실행 문턱을 크게 낮췄습니다.
목
10월 22일 목요일
텐센트, 올인원 비전 AI 모델 'WeVisOne-VL' 오픈소스 공개
텐센트 위챗 비전 팀이 객체 탐지, 카운팅, OCR, 누끼 따기(매팅)를 단일 모델로 처리하는 'WeVisOne-VL'을 오픈소스로 공개했습니다. SAM 같은 무거운 외부 분할 모델 없이 9.6M 파라미터 경량 디코더만으로 정밀한 투명 마스크를 추출하며, 2B 및 4B 크기로 로컬 환경에서도 구동 가능합니다.
Bria, 이미지 편집 모델 'FIBO 2' 오픈소스 공개: 4장 참조 합성 지원
Bria가 이미지 편집 및 생성 모델 'FIBO 2'를 공개했다. 최대 4장의 참조 이미지를 자연어로 조합해 편집할 수 있으며, Artificial Analysis 이미지 편집 벤치마크 1위를 기록했다. INT8 모델은 8.4GB 크기지만 비상업적 용도로 제한되어 승인이 필요하다.
앤트로픽, 에이전트 스킬 표준을 리눅스 재단 산하 AAIF에 기부
앤트로픽이 AI 에이전트에 전문 워크플로를 부여하는 개방형 표준 '에이전트 스킬'을 리눅스 재단 산하 AAIF에 기부했다. 이 표준은 챗GPT, 커서 등 70개 이상 플랫폼에 도입되어 설치 수 2.8억 회를 기록했다. 향후 앤트로픽, 구글, 오픈AI 엔지니어들이 중립적인 커뮤니티 형태로 공동 유지 관리한다.
수
10월 21일 수요일
ornith-ai, 단일 GPU로 구동되는 오프소스 모델 Ornith-1.5-122B 공개
ornith-ai가 허깅페이스를 통해 MoE 추론 모델 Ornith-1.5-122B를 공개했다. 122B 총 파라미터 구조로 단일 80GB GPU에서 서빙 가능하며, 엔드투엔드 자기 개선 학습을 거쳐 SWE-bench 등 코딩 벤치마크에서 Qwen3.8-Flash-Next를 앞선다. 모바일 기기용 양자화 버전도 지원한다.
구글 딥마인드, 판정 근거와 문장을 하이라이트하는 AI 탐지기 'DetectorScope' 공개
구글 딥마인드가 AI 텍스트 탐지 도구 'DetectorScope'를 오픈소스로 공개했다. 단순 확률 점수만 제공하던 기존 블랙박스 탐지기와 달리, 희소 오토인코더를 활용해 판단 근거와 해당 문장 위치를 투명하게 시각화해 준다.
알파 이노베이터, 과학 연구 특화 MoE 모델 'Sage A1.5' 오픈소스 공개
알파 이노베이터가 과학 연구에 특화된 350억 파라미터 MoE 모델 'Sage A1.5'를 오픈소스로 공개했다. 여러 에이전트가 협업해 분자 설계와 데이터 분석, 인용 보고서 작성을 수행하며 중간 오류를 스스로 감지해 경로를 수정한다. 전체 모델은 72GB, 최소 Q4 GGUF 버전은 22GB 크기다.
텐센트, 대화형 월드 모델 'Hy-Nomas' 오픈소스 공개…RTX 4090서 구동
텐센트가 텍스트 프롬프트와 카메라 이동으로 실시간 제어 가능한 영상 월드 모델 'Hy-Nomas'를 공개했다. 720p 24fps 영상을 생성하며 이전 프레임을 기억해 1분 이상 일관성을 유지하고, 9GB 증류 모델은 RTX 4090 단일 GPU에서도 돌아간다. 아파치 2.0 라이선스로 코드와 가중치가 모두 무료 제공된다.
Underdog, 163MB 음성인식 모델 Bark 3.0 공개: 5분 음성을 0.5초 만에 변환
이번 주 Underdog이 허깅페이스를 통해 초경량 음성인식 모델 Bark 3.0을 공개했다. 크기가 163MB에 불과하지만 애플 M 칩에서 5분 오디오를 0.5초 만에 변환하며 Whisper Large보다 낮은 오류율을 보인다. 추임새를 걸러주는 Clean 버전도 제공되나 현재는 영어만 지원한다.
화
10월 20일 화요일
Fast H3 Omni 공개: MiniMax H3 비디오 생성 최대 12배 가속, 8단계 샘플링 지원
오픈소스 비디오 모델 MiniMax H3를 위한 가속 기술 Fast H3 Omni가 공개됐다. 레퍼런스 기반 비디오 생성 시 일관성을 유지하도록 최적화됐으며, 샘플링 단계를 50회에서 8회로 줄여 최대 12배 빠른 추론 속도를 낸다. ComfyUI 및 Apple Silicon 최적화 모델도 함께 제공된다.
월
10월 19일 월요일
3D 캐릭터 애니메이션 제작 돕는 '가우시애니메이트' 오픈소스 공개
3D 캐릭터 애니메이션 제작을 간소화하는 도구 'GaussiAnimate'의 코드가 공개됐다. 내부 골격과 유연한 외부 표면 구조를 결합해, 기존 뼈대 방식으로는 표현하기 까다로웠던 의류와 동물의 복잡한 연체 변형을 손쉽게 제어할 수 있도록 돕는다.
앤트그룹, 'Ming 3.0 TTS' 오픈소스 공개: 자연어로 음색 제어·다자 팟캐스트 지원
앤트그룹이 음성 합성 모델 'Ming 3.0 TTS'를 MIT 라이선스로 오픈소스 공개했습니다. 자연어 지시어로 음색을 제어하고 음성 복제 및 다자 대화 생성을 지원하며, 약 3GB 크기의 소형 버전은 일반 소비자용 GPU에서 바로 구동됩니다.
일
10월 18일 일요일
초·중등 수학을 531개 개념으로 정리, AI 진단 그래프 'cn-math-taxonomy' 오픈소스 공개
중국 초·중등 수학 교육과정을 체계화한 지식 그래프 프로젝트 'cn-math-taxonomy'가 공개됐다. 531개 지식 개념과 909개 선수 관계, 2,271개 진단 문항을 갖춰 AI가 학년을 넘나들며 학습 결손을 역추적할 수 있다. 개인 및 비상업적 용도는 무료이며 상용화에는 별도 라이선스가 필요하다.
토
10월 17일 토요일
오픈소스 멀티 에이전트 프레임워크 AutoSwarm 공개: Codex와 Claude Code를 하나로 묶다
여러 AI 에이전트를 조율해 협업하게 만드는 오픈소스 프레임워크 AutoSwarm이 공개됐다. Codex, Claude Code 같은 독립 도구 상단에서 통합 스케줄러 역할을 하며, 단일 컨텍스트를 공유해 작업을 병렬로 수행한다. 매번 프롬프트를 복사해 옮길 필요 없이 단 한 번의 명령으로 여러 에이전트가 한 팀처럼 일할 수 있다는 점이 핵심이다.
CleanYourTV 공개: Claude Code로 스마트 TV 광고 없애고 애플 TV 스타일로 변신
개발자가 Claude Code 등 AI 코딩 어시스턴트를 활용해 안드로이드 TV의 광고와 기본 앱을 제거하는 오픈소스 'CleanYourTV'를 공개했습니다. 루팅이나 케이블 없이 동일 Wi-Fi 환경에서 디버깅 모드로 15분 만에 완료되며, 애플 TV 스타일의 1.6MB 초경량 런처를 적용하고 손쉽게 원상복구할 수 있습니다.
금
10월 16일 금요일
Perplexity, 의사결정 AI 모델 2종 오픈소스 공개…백만 토큰당 1센트
Perplexity가 멀티모달 의사결정 모델인 4B 규모의 flash 버전과 27B 모델을 오픈소스로 공개했다. 백만 토큰당 각각 1센트와 2센트의 저렴한 가격에 추론 속도를 최대 5배 끌어올렸다. 모델 가중치는 Hugging Face에서 내려받을 수 있으며 API로도 제공된다.
OpenMOSS, 50억 파라미터 경량 이미지 생성 모델 'MOSS-Image' 오픈소스 공개
OpenMOSS가 50억 파라미터 크기의 오픈소스 이미지 생성 모델 MOSS-Image를 공개했다. 바운딩 박스를 통한 화면 레이아웃 제어와 선명한 텍스트 렌더링을 지원하며, 트랜스포머 크기가 10GB 수준이라 일반 소비자용 GPU에서도 구동된다. 다만 현재는 자연어 기반 이미지 편집 기능 없이 텍스트 생성만 지원한다.
텐센트, AI 에이전트 간 기억 공유하는 'Hy-Memory 2.0' 오픈소스 공개
텐센트가 서로 다른 AI 에이전트 간 맥락을 공유하는 'Hy-Memory 2.0'을 오픈소스화했다. 대화, 업무, 코드 변경 이력을 통합 관리하며 전용 30B 모델과 MemHub 앱을 함께 제공한다. 커서나 코덱스 등 도구를 바꿔도 기존 맥락 위에서 작업을 이어갈 수 있다.
딥시크, 추론 프레임워크 'DeepInfer' 오픈소스 공개…화웨이 칩 지원
딥시크가 DeepSeek-V4.1-Flash 모델을 구동하는 추론 프레임워크 'DeepInfer'를 오픈소스로 공개했다. 엔비디아 SM100 외에 화웨이 어센드 950 NPU를 지원해 엔비디아 칩 없이도 배포할 수 있다. 다만 완전한 서비스를 구축하려면 별도의 KV 캐시 시스템 구축이 필요하다.
목
10월 15일 목요일
AI 에이전트에 ‘귀’ 달아주는 오픈소스 ‘Earshot’ 공개…효과음 자체 검수·수정 지원
코딩 에이전트가 소리를 듣고 분석할 수 있도록 지원하는 오픈소스 ‘Earshot’이 공개됐다. 영상이나 게임 제작 시 소리가 화면과 맞는지 점검하고 코드로 효과음을 직접 수정할 수 있는 것이 핵심이다. CPU 환경에서 로컬로 구동되어 사람이 일일이 확인하던 조율 작업을 줄여준다.
엔비디아, 고성능 에이전트 AI 모델 '네모트론 3.5' 공개
엔비디아가 에이전트 AI를 위한 신규 오픈 모델 '네모트론 3.5' 제품군을 공개했다. 120B 규모의 멀티모달 모델 'Super VL'은 동급 대비 5배 빠른 처리 속도를 제공하며, 'Bolt 74B-A9B'는 네이티브 2비트 양자화로 24GB 메모리 로컬 환경에서 구동된다. 고성능 에이전트를 온프레미스와 PC에서 안전하게 구축할 수 있게 됐다.
블랙포레스트랩스, 8GB 메모리서 구동되는 FLUX 3 Klein 공개
블랙포레스트랩스가 5.6B 크기의 오픈 가중치 이미지 생성 모델 FLUX 3 Image Klein을 발표했습니다. 네이티브 4K 생성과 픽셀 편집을 지원하며, INT8 빌드를 통해 8GB GPU 환경에서도 로컬로 가볍게 실행할 수 있습니다.
메타, 816B 오픈 모델 'Muse Spark Open' 공개…M5 울트라 맥 2대로 구동
Meta는 816B 총 파라미터(42B 활성)와 1M 컨텍스트 윈도우를 갖춘 오픈 모델 Muse Spark Open을 공개했다. MLX 프레임워크를 활용해 두 대의 Apple M5 Ultra Mac Studio에서 로컬 구동할 수 있으며, 코딩과 에이전트 작업에 특화되었다.
수
10월 14일 수요일
롱폼 AI 영상 일관성 해결하는 'Any Time, Any Space' 오픈소스 공개
긴 AI 영상 생성 시 배경이 무너지는 문제를 해결하는 오픈소스 프레임워크 'Any Time, Any Space'가 공개됐다. 장면을 3D로 재구성해 메모리에 보관함으로써, 카메라가 다른 곳을 비췄다 돌아와도 이전 방을 그대로 유지한다. Wan 등 다양한 영상 모델과 호환된다.
사진 여러 장으로 탐험 가능한 3D 장면 만드는 'InfiniSplat v2' 오픈소스 공개
다각도 사진이나 주행 영상을 자유롭게 탐험 가능한 3D 장면으로 변환하는 'InfiniSplat v2'가 공개됐다. 3D 기하 구조와 시각 효과 예측을 분리해 오류 영역을 걸러내고 정밀도를 대폭 끌어올렸다. 모델 크기는 약 6.6GB로 코드와 가중치가 모두 공개되어 일반 소비자용 GPU에서도 로컬 실행이 가능하다.
화
10월 13일 화요일
Fish Audio, 16인 다역 연기 지원하는 음성 모델 Drama 3 오픈소스 공개
Fish Audio가 차세대 오픈소스 음성 모델 Drama 3을 공개했다. 35B 파라미터 MoE 기반으로 하나의 텍스트에서 최대 16명의 서로 다른 캐릭터 목소리를 구현할 수 있다. 한숨이나 웃음 같은 감정 태그는 물론, 전체를 다시 만들 필요 없이 틀린 단어만 자연스럽게 수정하는 편집 기능도 지원한다.
월
10월 12일 월요일
텐센트·홍콩대, 멀티플레이어 지원 생성형 월드 모델 'Multix' 오픈소스 공개
텐센트와 홍콩대 연구진이 가상 환경에서 다수의 플레이어가 상호작용하는 월드 모델 'Multix'를 공개했다. 플레이어별 시점을 개별 생성하면서 환경과 움직임을 실시간 동기화하며, 계층형 통신을 통해 연산 비용을 86% 이상 줄였다. 4인 데이터 학습만으로 10인까지 확장된다.
AI로 MS 오피스 복제한 개발자, 워드·엑셀·PPT 대체 앱 전면 오픈소스화
개발자 브랜든 토머스가 앤트로픽의 Opus 5.5 모델을 사용해 MS 오피스를 리버스 엔지니어링하고, 오픈소스 복제 앱인 WordCraft, GridCraft, DeckCraft를 공개했습니다. macOS, 윈도우, 리눅스를 지원하며 기본 앱은 무료이지만 제품 내 생성형 AI 기능은 유료 구독제입니다.
Skywork, Matrix Game 4.0 공개: 단일 GPU서 83fps로 실시간 3D 게임 생성
Skywork 가 실시간 플레이 가능한 3D 게임 월드 모델 Matrix Game 4.0 을 오픈소스로 공개했다. 물리 엔진이 규칙과 움직임을 처리하고 AI 가 그래픽을 실시간 고화질로 덧입히는 방식으로, 단일 소비자용 GPU 에서 최대 83fps 를 낸다. 화면 왜곡 문제를 해결하고 자연어로 게임 코드를 수정하는 에이전트도 포함했다.
d2r-mobile: 스위치용 디아블로 II를 모바일에서 네이티브 60fps로 실행
오픈소스 호환 레이어 d2r-mobile이 공개되어 소유 중인 닌텐도 스위치용 '디아블로 II: 레저렉션'을 iPhone, iPad, Mac 및 안드로이드에서 네이티브로 구동할 수 있게 됐다. 에뮬레이터 없이 원본 코드를 직접 실행해 60fps 고정과 터치 조작을 지원한다.
엔비디아, '스트림 렌더 H3' 오픈소스 공개: 게임 그래픽을 실시간 영화급으로
엔비디아가 MiniMax H3 기반의 'Stream Render H3' 모델과 코드를 공개했다. 게임 엔진의 단순한 색상 시맨틱 맵을 받아 실시간으로 영화 수준의 비주얼을 생성하며 참조 이미지로 스타일 변경도 지원한다. 다만 실시간 구동에는 GP200 GPU 8장과 200GB 이상의 용량이 필요하다.
일
10월 11일 일요일
UniForge 3D 오픈소스 공개: 사진 몇 장으로 보이지 않는 영역까지 3D 모델 완성
몇 장의 사진만으로 완전한 3D 에셋을 복원·생성하는 UniForge 3D의 코드와 모델이 공개됐다. 보이는 부분을 정밀하게 재구성하는 과정과 보이지 않는 영역을 생성 모델로 채우는 과정을 결합해 원본 디테일을 유지하며 누락된 형상을 완성한다.
토
10월 10일 토요일
Pure: 라벨 없는 일반 영상으로 완전한 3D 환경을 복원하는 오픈소스 모델
3D 재구성 모델 Pure가 오픈소스로 공개됐다. 값비싼 3D 라벨 데이터 없이도 일반 동영상에서 깊이와 움직임 정보를 추출해 사후 학습을 진행하며, 동적 장면을 3D 공간으로 복원한다. 전체 용량이 13.2GB로 가볍고 학습 스크립트도 함께 제공되어 로컬 환경에서 직접 실행해볼 수 있다.