메타, 1600개 언어 지원 음성인식 AI '옴니링궐 ASR' 오픈소스 공개

옴니링궐 ASR은 메타가 오픈소스로 공개한 다국어 자동 음성인식 모델 패밀리로, 별도 튜닝 없이 1,600개 이상의 언어를 즉시 텍스트로 변환할 수 있습니다.

널리 쓰이던 오픈AI의 오픈소스 모델 위스퍼가 99개 언어만 지원했던 것과 비교하면 비약적인 확장입니다. 지원 목록에 포함된 언어 중 500개 이상은 지금까지 어떤 AI 음성인식 시스템에서도 다루지 않았던 언어들입니다.

문맥 내 학습을 통한 5400개 언어 확장

옴니링궐 ASR의 가장 큰 기술적 특징은 대규모 언어 모델의 문맥 내 학습 메커니즘을 음성인식에 도입한 점입니다. 메타는 이를 사용자 언어 직접 추가 기능이라고 부릅니다.

새로운 언어를 지원하기 위해 대규모 데이터셋으로 모델을 재학습할 필요가 없습니다. 추론 단계에서 새로운 언어의 짧은 음성과 해당 텍스트 쌍 몇 개를 예시로 입력하면, 모델이 이를 즉각 파악해 추가 음성을 곧바로 전사합니다.

이러한 제로샷 적응 방식을 활용하면 잠재적 지원 범위는 알려진 문자 체계를 가진 거의 모든 구어에 해당하는 5,400개 이상 언어로 확장됩니다.

모델 사양과 인식 성능

전체 모델 제품군은 1,600개 이상 언어에서 수집한 430만 시간 분량의 음성 데이터를 기반으로 학습되었으며, 페이스북 AI 리서치의 파이토치 기반 fairseq2 프레임워크로 제작되었습니다.

모델 크기는 저전력 기기를 위한 3억 파라미터 경량 버전부터 높은 정확도를 제공하는 70억 파라미터 대형 모델까지 다양합니다. 구조적으로는 자기지도 학습 기반의 wav2vec 2.0 모델, 효율적인 감독 전사를 위한 CTC 모델, 그리고 트랜스포머 디코더를 결합한 LLM-ASR 구조를 갖췄습니다.

정확도 측면에서도 평가 대상 1,600개 언어 중 78퍼센트에서 문자 오류율 10퍼센트 미만을 기록했습니다. 10시간 이상의 학습 음성을 확보한 언어에서는 이 비율이 95퍼센트에 달하며, 학습 데이터가 10시간 미만인 저자원 언어에서도 36퍼센트가 10퍼센트 미만의 오류율을 달성했습니다.

라이선스 정책의 변화도 주목할 지점입니다. 메타는 대규모 기업의 상용화를 제약하던 기존 라마 라이선스를 버리고 완전한 아파치 2.0 라이선스를 채택했습니다. 기업과 개발자 누구나 상용 프로젝트에 제한 없이 무료로 도입할 수 있습니다.

메타는 350개 소외 언어를 다룬 음성 데이터셋도 CC-BY 라이선스로 함께 공개했습니다. 코드와 모델 가중치는 깃허브와 메타 웹사이트에 공개되었으며 허깅페이스 데모 공간에서 직접 테스트해 볼 수 있습니다.

왜 중요한가

글로벌 다국어 서비스를 구축하는 개발자나 소수 언어 기록을 디지털화하려는 연구자라면 당장 검토해 볼 만한 도구입니다. 기존 위스퍼가 포괄하지 못했던 방대한 롱테일 언어의 공백을 단숨에 채웠습니다.

완전한 아파치 2.0 라이선스로의 전환은 메타의 가장 영리하고 현실적인 선택으로 보입니다. 라이선스 제약으로 상용 도입을 망설이던 기업들을 흡수하는 동시에 손쉬운 예시 기반 확장성을 제공함으로써 오픈소스 음성인식 생태계의 기본 인프라 자리를 차지할 가능성이 높습니다. 다만 학습 데이터가 극히 적은 언어의 경우 몇 개의 예시만으로는 완벽한 전사가 어려울 수 있으므로 실무 도입 전 충분한 검증이 필요합니다.