메타 뮤즈 앱, 실시간 음성 대화와 감정 표현 아바타 도입
메타가 모바일, 웹, Mac용 뮤즈(Muse) 앱에 실시간 음성 및 표정 반응형 아바타를 출시했습니다. 대화 톤에 맞춰 미세한 표정과 제스처를 취하며, 대화 도중 말을 끊을 수 있고 수백 가지 음성 스타일을 제공합니다. 미국 사용자부터 순차 적용되며 향후 AI 안경에도 지원될 예정입니다.
AI 음성
구글 안티그래비티 업데이트: 제미나이 라이브 음성 모드와 원격 에이전트 도입
구글 안티그래비티가 v2.29.0으로 업데이트되며 제미나이 라이브 기반 음성 모드를 도입했다. 음성으로 에이전트에 지시를 내릴 수 있으며, Google AI Ultra 및 Pro 구독자를 위한 클라우드 원격 에이전트도 순차 배포를 시작했다.
베이웍스, 정비사 음성 듣고 車 보증 청구서 자동 작성하는 앱 출시
베이웍스가 자동차 정비사가 수리 내역을 말하면 완성차 제조사의 보증 청구 양식에 맞춰 보고서를 자동 생성하는 앱을 출시했다. 필수 측정값이 누락되면 제출 전 정비사에게 입력을 요청한다. YC 지원을 받은 이 스타트업은 110일 만에 80개 이상 딜러사에 도입돼 하루 4천 건의 수리를 처리하고 있다.
애플워치에 '오디오 인텔리전스' 도입: 직전 15초 대화 되감기와 시리 요약 지원
애플이 watchOS 27.3 개발자 베타를 통해 애플워치용 '오디오 인텔리전스' 기능을 선보였다. 디지털 크라운을 두 번 눌러 지난 15초간의 대화를 텍스트로 다시 확인하거나, 시리가 대화 요약을 자동 생성해 준다. 원본 음성은 전용 하드웨어에서만 처리되며 저장되지 않는다.
흄AI, 음성 감정·특징 실시간 분석하는 '오디오 디시전 API' 출시
흄AI(Hume AI)는 텍스트 변환 없이 원본 오디오에서 감정과 소리 특징을 직접 판별하는 '오디오 디시전 API'를 공개했다. 고객의 불만 여부나 AI 음성 감별, 한숨 소리 구간 등을 구조화된 확률 점수로 반환하며 4만 건의 음성을 몇 분 만에 검색한다. 텍스트로 남지 않는 미묘한 뉘앙스를 보이스 에이전트가 실시간 파악할 수 있게 됐다.
음성 복제 모델 Audio8-TTS-Realistic 오픈소스 공개: 6억 파라미터로 23개 언어 지원
Edge0가 6억 파라미터 규모의 오픈소스 TTS 모델 Audio8-TTS-Realistic을 공개했다. 용량이 2.6GB에 불과해 보급형 GPU에서도 구동 가능하며, 단 몇 초의 샘플 음성으로 23개 언어의 제로샷 음성 복제를 구현한다. Apache 2.0 라이선스로 배포돼 상업적 이용도 가능하다.
엔비디아 Nemotron 3.5 Transcribe 공개: 프롬프트 제어와 8명 화자 분리 지원
엔비디아가 오픈 가중치 음성 모델 Nemotron 3.5 Transcribe를 공개했다. 전사, 화자 분리, 번역, 오디오 질의응답을 하나로 통합해 40개 언어와 최대 1시간 분량의 녹음을 지원하며, 최대 8명의 화자를 구별한다. 30B 파라미터 중 토큰당 약 4B만 활성화되는 MoE 구조로 주요 오픈 벤치마크 1위를 기록했다.
Bygga: 이케아 종이 설명서를 대화형 3D 조립 가이드로 변환
개발자 Nutlope가 이케아 설명서를 3D 단계별 애니메이션으로 변환해 주는 오픈소스 프로젝트 Bygga를 공개했습니다. 1,171개 제품을 오프라인으로 지원하며, 조립 중 손을 쓰지 않고 음성으로 다음 단계로 넘길 수 있습니다. 미등록 설명서는 Together AI를 연결해 스캔 및 해석할 수 있습니다.
텐센트 혼원, 실시간 음성 복제 지원 동시통역 모델 'Hy-SimulMT' 오픈소스 공개
텐센트 혼원이 중-영 양방향 실시간 동시통역 모델 Hy-SimulMT를 오픈소스로 공개했다. 발화 도중 약 3초 지연으로 번역 텍스트와 음성을 생성하며, 원래 화자의 음색을 유지하는 실시간 음성 복제도 지원한다. 회의와 강연 등 저지연 소통을 위해 추론 및 미세조정 코드를 제공한다.
블록, 텍스트 없이 귀로만 대화 배운 음성 모델 '데사' 공개
블록이 텍스트나 사전학습 없이 사람의 말소리를 듣고 대화와 감정 표현을 익힌 음성 모델 '데사(Dessa)'를 발표했다. 전이중 통신으로 맞장구와 호흡까지 자연스럽게 구현하며 로컬 구동도 가능하다. 현재는 AI 안전 연구자에게만 제한적으로 제공된다.
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.
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.
일레븐랩스, 전문 성우 협업한 신규 기본 AI 음성 공개
일레븐랩스가 음성 합성 및 프로젝트 알파 플랫폼에 새로운 기본 음성을 출시했다. 전문 성우와 협력해 30분 분량의 녹음을 기반으로 한 전문 음성 복제 기술을 적용했으며, 아일랜드·이탈리아 등 다양한 억양과 감정 표현을 지원한다. 일레븐랩스는 저작권을 소유하지 않고 라이선스 방식을 취하며, 생성 건당 수익을 배분하는 보상 모델도 테스트 중이다.
일레븐랩스, 음성과 비디오 워크플로 통합한 'Chimera' 출시
일레븐랩스가 음성과 영상 제작 파이프라인을 묶은 신규 플랫폼 'Chimera'를 공개했습니다. 기존의 정교한 음성 복제 및 더빙 기능에 Seedance 등 비디오 생성 도구를 결합해, 앱 내에서 완성형 AI 미디어 워크플로를 구축할 수 있습니다.
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.
미스트랄, Voxtral 3 공개: 50개 언어 지원 음성 모델과 음성 에이전트 SDK 출시
미스트랄은 음성 에이전트 SDK와 Voxtral 3 음성 모델군을 출시했다. 전사, 추론, 도구 호출, 감정 맞춤형 음성 합성을 단일 파이프라인으로 연결해 1초 미만 턴 반응 속도를 지원한다. 50개 이상 언어를 지원하며 자체 인프라 배포도 가능하다.
옐프의 새 기능: AI가 식당에 대신 전화해 대기 시간을 확인해 준다
옐프가 식당 대기 시간을 대신 전화로 확인해 주는 AI 기능 'Check for Me'를 공개했다. 이용자가 인원수와 전화번호를 입력하면 AI가 통화 후 결과를 문자로 알려준다. 오픈테이블 연동 예약과 월 30달러의 비즈니스용 응대 도구도 함께 선보였다.
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.
아마존 Bee, 74.99달러부터 시작하는 AI 웨어러블 2종 출시
아마존 산하 Bee가 대화를 기록하고 요약해 주는 AI 기기 'Frontier'와 'Eclipse'를 공개했습니다. 74.99달러부터 시작해 경쟁작 대비 저렴하며, 할 일 생성과 일정 연동을 지원합니다. 원본 오디오는 즉시 삭제되고 기기 암호화 키로 보호됩니다.
xAI, 음성 모델 '그록 보이스 3.0' 공개…지연시간 1초 미만에 스타링크 상담 70% 무인 처리
xAI가 음성 대 음성 모델 '그록 보이스 3.0'을 발표했다. 아티피셜 애널리시스 음성 벤치마크에서 86.9점으로 1위를 차지했으며 지연시간을 1초 미만으로 줄였다. 이미 테슬라 차량과 스타링크 고객센터에 투입돼 하루 2만 건의 문의 중 70%를 사람 없이 해결하고 있다. API 요금은 분당 0.08달러로 유지된다.