Miso, 감정 표현 특화 8B 음성 모델 'Miso One' 오픈소스 공개

Miso One은 사람과 유사한 풍부한 감정 표현에 특화된 80억 파라미터(8B) 규모의 오픈소스 텍스트 음성 변환(TTS) 모델입니다.

어떤 기능을 제공하나

Miso는 Miso One을 세계에서 가장 감정 표현력이 뛰어난 음성 모델이라고 설명하며, 기존 합성음 특유의 기계적인 억양을 벗어나 자연스러운 감정선을 살린 음성을 생성할 수 있다고 밝혔습니다.

속도 역시 주요 특징입니다. 생성 지연 시간이 110밀리초에 불과해 사람의 대화 반응 속도보다 빠르게 응답하므로, 극도로 짧은 지연 시간이 필요한 실시간 대화형 음성 인터랙션에 적합합니다.

공개 범위 측면에서는 모델 가중치가 이미 오픈소스로 배포되어 직접 내려받아 호스팅할 수 있으며, 개발자를 위한 공식 API도 곧 출시될 예정입니다.

왜 중요한가

실시간 음성 어시스턴트나 상호작용형 가상 캐릭터를 제작하는 개발자라면 Miso One을 주목할 만합니다. 지금까지의 오픈소스 음성 모델은 풍부한 감정 표현과 실시간 처리에 필요한 초저지연 사이에서 타협해야 하는 경우가 많았습니다.

우리가 보기에 8B 크기의 감정 표현 모델을 110밀리초 속도로 구현하고 가중치까지 공개한 행보는, 폐쇄형 클라우드 음성 API를 대체하려는 팀에게 매우 유용한 로컬 대안이 될 것입니다.