시끄러운 현실 음향에 특화된 음성 인식 모델 'Mega ASR' 오픈소스 공개
극심한 소음과 울림 등 열악한 환경의 오디오를 전사하는 음성 인식 모델 Mega ASR이 공개됐다. 260만 건의 음향 변형 데이터로 학습되어 복잡한 조건에서 기존 주요 모델 대비 약 30% 향상된 성능을 보인다. 전체 크기가 5GB 미만이라 일반 소비자용 GPU에서도 로컬 구동과 파인튜닝이 가능하다.
온디바이스 AI
최신 소식 보기
MS, 인텔 코어 울트라 3 탑재 비즈니스용 서피스 공개: 온디바이스 AI 강화
Microsoft가 Intel Core Ultra 시리즈 3 프로세서를 탑재한 비즈니스용 서피스 프로와 서피스 랩톱을 출시했습니다. 실시간 회의 전사 및 로컬 이미지 생성 등 온디바이스 AI를 지원하며 최대 23시간 배터리를 제공합니다. 원키 통합 프라이버시 스크린도 추가됐으며 연내 스냅드래곤 X2 모델도 출시됩니다.
애플, AI 접근성 기능 공개: 시선으로 휠체어 조작하고 자연어로 음성 제어
애플이 Apple Intelligence 기반의 새로운 접근성 기능들을 공개했습니다. 자연어로 화면 요소를 말해 조작하는 음성 제어, VoiceOver의 상세 이미지 설명 및 추가 질의응답, 온디바이스 자동 자막 생성이 올해 말 도입됩니다. 아울러 Vision Pro의 시선 추적으로 전동 휠체어를 조작하는 기능도 추가됩니다.
텐센트, 번역 특화 모델 'HYMT2' 공개…1.8B 크기로 스마트폰 구동 지원
텐센트가 다국어 번역 오픈소스 모델 시리즈 'HYMT2'를 선보였다. 18억에서 300억 파라미터 규모로 33개 언어를 지원한다. 복잡한 지시 수행과 서식 유지에 특화되어 JSON이나 태그 구조를 깨뜨리지 않고 번역하며, 1.8B 경량 버전은 스마트폰에서도 바로 구동할 수 있다.
ReactiveGWM 공개: 프롬프트로 NPC 전술까지 조종하는 게임 월드 모델
게임 월드 모델 ReactiveGWM이 공개되었다. 플레이어의 키 조작과 NPC의 행동 전략을 분리해, 프롬프트로 적의 공격이나 수비 전술을 제어할 수 있다. Wan 2.2를 기반으로 하며 로컬 중고급 GPU에서 직접 실행할 수 있다.
Kimi 브라우저 확장 프로그램 출시: AI 에이전트가 브라우저 직접 제어
Kimi가 AI 에이전트용 브라우저 확장 프로그램(구 Kimi WebBridge)을 출시했습니다. Chrome이나 Edge에서 에이전트가 직접 클릭, 양식 작성, 정보 추출을 수행합니다. 격리된 샌드박스 대신 로컬 브라우저를 그대로 활용해 로그인 상태를 유지하며 안전하게 웹 작업을 자동화할 수 있습니다.
모델베스트, MiniCPM-V 4.6 오픈소스 공개: 1.3B 모델이 6GB 메모리로 구동
모델베스트가 온디바이스 멀티모달 모델 MiniCPM-V 4.6을 오픈소스로 공개했다. 1.3B 파라미터 크기로 약 6GB 메모리만 있으면 단말에서 부드럽게 구동된다. Qwen3.5-0.8B 등 동급 모델보다 뛰어난 성능을 내면서도 토큰 소모량을 19분의 1로 줄여 온디바이스 AI 도입 문턱을 크게 낮췄다.
구글, 안드로이드용 '제미나이 인텔리전스' 발표…앱 간 멀티태스킹 자동화 지원
구글이 안드로이드에 심층 통합된 '제미나이 인텔리전스'를 공개했다. 여러 앱을 오가며 작업을 자동 수행하고, 구어체를 매끄럽게 다듬는 '램블러'와 자연어로 위젯을 만드는 생성형 UI를 제공한다. 올여름 갤럭시 S26과 픽셀 10에 우선 적용되며 연내 워치와 차량 등으로 확장된다.
맥북서 AI 에이전트 계속 돌리려…개발자들 '더미 플러그' 구매 열풍
개발자 윌 드퓨가 X에서 공유한 맥북 덮개를 닫고도 AI 에이전트를 계속 실행하는 팁이 주목받고 있다. USB-C나 HDMI 더미 플러그를 꽂아 외장 모니터 연결 상태로 속여 절전을 막는 방식이다. 터미널 명령어나 소프트웨어보다 물리적으로 뽑기만 하면 바로 잠들게 할 수 있어 편리하다는 평가다.
리비안, 차량용 AI 비서 출시…차량 제어부터 구글 캘린더 연동까지
리비안이 차량 시스템과 직접 연동되는 AI 비서 '리비안 어시스턴트'를 공개했다. 1·2세대 차량에 무선 업데이트로 제공되며, 차고 조절이나 프렁크 개폐 같은 하드웨어 제어는 물론 구글 캘린더 일정 변경과 도착 예정 문자 전송까지 지원한다. 현재 영어만 지원하며 커넥트+ 구독이 필요하다.
Pixal3D 공개: 단일 이미지에서 초정밀 3D 에셋을 뽑아내는 픽셀 정렬 모델
단일 이미지를 고정밀 3D 모델로 변환하는 Pixal3D의 코드가 공개되었다. 2D 픽셀과 3D 구조를 직접 연결하는 픽셀 정렬 방식을 도입해 기존 모델의 형태 왜곡 문제를 해결했다. 게임 및 가상 제작에 바로 쓸 수 있을 만큼 정밀한 지오메트리와 텍스처를 구현한다.
2B 규모 오픈소스 TTS 모델 공개, 몇 초 음성으로 속삭임까지 제로샷 복제
20억 파라미터 규모의 새로운 오픈소스 텍스트 음성 변환(TTS) 모델이 공개됐다. 단 몇 초의 참조 음성만으로 제로샷 음성 복제가 가능하며, 속삭임이나 말더듬 같은 세밀한 표현과 다국어 합성까지 지원한다. 모델 크기는 약 5GB로 소비자용 GPU에서 구동되며 아파치 2.0 라이선스로 상용화도 가능하다.
Scenema Audio 오픈소스 공개: 지문으로 감정 조절하는 LTX 2.3 기반 음성 모델
ScenemaAI 가 감정 표현에 특화된 음성 생성 모델 Scenema Audio 를 오픈소스로 공개했습니다. LTX 2.3 에서 추출한 오디오 확산 구조를 바탕으로 지문 태그를 통해 감정 변화와 배경음을 제어하며, 제로샷 목소리 복제도 지원합니다. 16GB VRAM 환경부터 구동할 수 있습니다.
퍼플렉시티, 맥 전용 신규 앱 출시…로컬 파일·앱 직접 제어하는 '퍼스널 컴퓨터'
퍼플렉시티가 새로운 macOS 앱을 통해 '퍼스널 컴퓨터' 기능을 선보였다. AI 에이전트가 로컬 파일, 맥 기본 앱, 웹을 넘나들며 자율적으로 작업을 수행하며, 아이폰을 통한 원격 실행과 승인도 지원한다. 상시 전원이 켜진 맥 미니와 조합하면 24시간 백그라운드에서 일하는 AI 비서를 둘 수 있다.
애플, 시리 AI 기능 지연 집단소송에 2억 5000만 달러 합의
Apple이 iPhone 16 및 iPhone 15 Pro의 Apple Intelligence 기능 출시 시점을 오도했다는 집단소송을 해결하기 위해 2억 5000만 달러 규모의 합의안에 동의했다. 미국 내 자격 요건을 갖춘 구매자는 기기당 25달러에서 최대 95달러를 청구할 수 있다. Apple은 잘못을 부인했다.
구글, Gemma 4 전용 MTP 드래프터 공개: 추론 속도 최대 3배 향상
구글이 Gemma 4 오픈 모델 제품군을 위한 다중 토큰 예측(MTP) 드래프터 모델을 공개했다. 투기적 디코딩 아키텍처를 적용해 경량 드래프터가 토큰을 미리 예측하고 본 모델이 병렬 검증함으로써, 품질 저하 없이 최대 3배의 추론 가속을 지원한다. Apache 2.0 라이선스로 배포되어 로컬 및 온디바이스 개발 효율을 극대화한다.
MIT, 신체 동작을 실시간 유도하는 웨어러블 AI 시스템 개발
SciTechera에 따르면 MIT 연구진이 사람의 신체 움직임을 실시간으로 유도하는 웨어러블 AI 시스템을 개발했다. 음악 이론을 전혀 모르는 초보자도 AI의 가이드를 통해 손가락을 움직이며 피아노 곡을 연주할 수 있다.
구글, 온디바이스 AI 비서 'COSMO' 실수로 유출: 제미나이 나노 탑재
외신에 따르면 구글이 플레이스토어에 실험용 안드로이드 AI 비서 'COSMO'를 잘못 게시했다가 곧바로 삭제했습니다. 1.13GB 용량에 제미나이 나노를 내장해 브라우저 대행과 심층 리서치, 기억 소환 등을 지원하지만 현재는 내려간 상태입니다.
OmniShotCut: 영상 컷과 전환 효과 자동 감지, 164MB 초경량 모델 공개
OmniShotCut은 영상 속 컷 편집점은 물론 디졸브, 페이드, 슬라이드 등 세부 전환 효과를 자동으로 찾아내는 AI 도구입니다. 164MB에 불과한 가벼운 크기로 로컬 PC에서 직접 실행할 수 있으며, 허깅페이스 스페이스를 통해 무료 데모도 제공합니다.
Scenema Audio 공개: 목소리와 감정을 분리해 연기를 지시하는 음성 복제 모델
Scenema AI가 LTX 2.3에서 추출한 음성 확산 모델 'Scenema Audio'를 오픈소스로 공개했습니다. 음성 고유의 정체성과 감정 연기를 분리해, 몇 초의 참조 오디오만으로도 지문(Stage Direction)을 통해 흥분, 억양, 대사 도중의 감정 변화를 유도합니다. 양자화 모델은 16GB VRAM 환경에서 로컬 실행을 지원합니다.