일레븐랩스, 음성인식 모델 'Scribe' 공개…99개 언어 지원 및 Whisper 능가
일레븐랩스가 첫 음성 텍스트 변환 모델 Scribe를 선보였다. 99개 언어를 지원하며 단어 단위 타임스탬프, 화자 분리, 웃음소리 등 음향 이벤트 태깅 기능을 갖췄고 벤치마크에서 Whisper Large V3를 앞섰다. 현재 API와 웹 대시보드에서 쓸 수 있으며 실시간 저지연 모델도 출시될 예정이다.
AI 음성
최신 소식 보기
Hume AI, 문맥과 감정 읽어내는 음성 LLM 'Octave' 출시
Hume AI가 문맥을 이해하는 음성 거대언어모델 Octave를 공개했다. 단순 낭독을 넘어 텍스트 속 비꼼, 공포 등 감정과 캐릭터 특성을 파악해 억양과 어조를 조절한다. 블라인드 평가에서 음질과 자연스러움 모두 ElevenLabs를 앞섰다.
xAI, 그록 3에 '통제 불가' 음성 모드 도입: 욕설·비명과 성인 대화 허용
xAI가 Grok 3 유료 구독자를 위한 음성 모드를 공개했다. 검열이 엄격한 기존 AI와 달리, 욕설과 비명을 지르며 전화를 끊는 'unhinged' 모드와 성적인 대화를 지원하는 18+ 모드 등 필터링 없는 페르소나를 제공한다. 안전 가이드라인을 강화하는 오픈AI 등 경쟁사들과 정반대 행보를 보이고 있다.
OpenAI, 무료 ChatGPT 사용자에 '고급 음성 모드' 개방…GPT-4o mini 기반
OpenAI가 모든 ChatGPT 무료 사용자에게 '고급 음성 모드' 미리보기를 제공하기 시작했다. 가벼운 GPT-4o mini 모델을 적용해 원판과 비슷한 자연스러운 대화 톤을 유지했다. 다만 일일 사용 시간제한이 있으며 종료 3분 전에 알림이 뜬다.
MS 코파일럿, '음성'과 '씽크 디퍼' 무료 사용자에게 무제한 개방
마이크로소프트가 코파일럿의 음성 모드와 OpenAI o1 기반 추론 기능인 '씽크 디퍼(Think Deeper)'의 사용량 제한을 전면 해제했다. 무료 사용자도 쿼리나 시간 제약 없이 복잡한 추론과 연속 음성 대화를 나눌 수 있다. 월 20달러의 코파일럿 프로는 피크 시간대 우선 접근권 등을 유지하며 계속 운영된다.
구글 드라이브, 영상 텍스트 스크립트 검색 지원…클릭 시 해당 구간 바로 재생
구글은 구글 드라이브 내 동영상에 검색 가능한 텍스트 스크립트 기능을 도입한다고 밝혔다. 3월 26일까지 모든 워크스페이스 사용자에게 순차 배포된다. 유튜브처럼 사이드바에 타임스탬프와 함께 텍스트가 표시되며, 단어를 검색해 누르면 해당 장면으로 즉시 이동한다. 자막 자동 생성 기능도 함께 지원된다.
루마 AI, 드림머신에 무료 오디오 생성 기능 추가
루마 AI가 드림머신에 '비디오 투 오디오' 기능을 도입했습니다. 비디오 생성 후 새로운 'Audio' 버튼을 누르면 클릭 한 번으로 음향을 만들거나 프롬프트로 맞춤 설정할 수 있습니다. 현재 베타 버전으로 모든 사용자에게 무료로 제공됩니다.
AI끼리 전화 걸면 사람 말 대신 주파수 신호로 대화하는 'Gibber Link'
공개된 프로토콜 'Gibber Link'는 AI 에이전트 간 전화 통화 시 상대가 AI임을 감지하면 인간 음성 대신 GGWave 기반 사운드 신호로 자동 전환한다. 음성 합성 과정을 건너뛰어 연산 비용을 90% 넘게 줄이고 소통 시간도 최대 80% 단축한다.
스포티파이, 일레븐랩스와 협력해 AI 낭독 오디오북 배포 확대
스포티파이가 일레븐랩스와 제휴해 AI 음성 소프트웨어로 제작된 오디오북 입점을 허용한다고 발표했다. 작가들은 29개 언어의 합성 음성으로 제작비를 아끼고 묻혀 있던 구작을 오디오북으로 살릴 수 있다. AI 낭독 작품에는 명확한 표기가 붙고 사전 심사를 거치게 된다.
파이버, 프리랜서가 자신의 작업물로 AI 학습시켜 판매하는 기능 공개
프리랜서 플랫폼 파이버(Fiverr)는 창작자가 자신의 작업물로 전용 AI 모델을 학습시켜 고객에게 유료로 제공할 수 있는 기능을 발표했다. 월 25달러에 제공되며, 고객 응대를 자동화하는 AI 어시스턴트도 함께 지원된다. 우선 검증된 수천 명의 프리랜서를 대상으로 시범 운영된다.
유튜브, 2025년 AI 계획 공개: 자동 더빙 확대 및 Veo 2 도입
유튜브가 공개한 2025년 로드맵에 따르면, AI 자동 더빙 기능이 유튜브 파트너 프로그램의 모든 크리에이터에게 확대된다. 쇼츠 배경 생성에는 구글의 Veo 2가 적용되며, 크리에이터 아이디어 보조 도구와 딥페이크 탐지 시스템도 도입될 예정이다.
큐타이, 화자 목소리 유지하는 실시간 동시통역 AI '히비키' 공개
프랑스 AI 연구소 큐타이가 실시간 음성 번역 모델 '히비키'를 공개했다. 현재 프랑스어-영어 번역을 지원하며, 화자의 고유 음색을 유지한 채 의미 맥락에 맞춰 말하기 속도를 조절한다. 평가 결과 인간 통역사에 근접한 자연스러움을 기록했다.
아마존, 생성형 AI 탑재한 차세대 알렉사 2월 26일 공개 전망
로이터에 따르면 아마존이 오는 뉴욕 행사에서 생성형 AI로 전면 개편된 알렉사를 공개할 예정이다. 연속 대화는 물론 사용자 대신 작업을 수행하는 에이전트 기능을 갖췄으며, 앤트로픽의 기술을 일부 활용한다. 초기에는 일부 사용자에게 무료 제공된 뒤 향후 유료화될 가능성이 있다.
보이스피싱범 혼 빼놓는 'AI 할머니': 영국 통신사 O2, 40분 통화 끌기 개발
영국 통신사 버진미디어 O2가 사기범의 시간을 뺏는 AI 봇 '데이지(Daisy)'를 공개했다. 78세 수다쟁이 할머니 행세를 하며 돋보기를 찾거나 뜨개질 이야기를 늘어놓아, 사기범을 한 번에 최대 40분까지 붙잡아 두며 실제 피해를 막았다.
앤트로픽, 클로드에 '양방향 음성 모드'와 기억 기능 도입 계획
다리오 아모데이 앤트로픽 CEO는 클로드에 양방향 음성 대화 모드와 과거 대화를 기억하는 메모리 기능을 추가할 계획이라고 밝혔다. 몇 달 안에 더 똑똑한 모델도 출시할 예정이다. 다만 최근 수요 급증으로 연산 자원이 한계에 달해 600억 달러 기업가치로 약 20억 달러 추가 펀딩을 논의 중이다.
아마존 차세대 알렉사 난항: 환각률 제로와 응답 지연 해결이 발목
파이낸셜 타임스에 따르면 아마존 AGI 총괄 로힛 프라사드는 차세대 알렉사 출시에 여러 기술적 난관이 남아있다고 밝혔다. 일상에서 상시 쓰이는 만큼 환각 현상을 거의 0에 가깝게 줄여야 하며, 응답 지연 단축과 수백 개 외부 서비스 연동도 숙제다. 내부 관계자는 공개까지 상당한 시일이 걸릴 것이라고 전했다.
VLC 플레이어, 완전 오프라인 실시간 AI 자막·번역 기능 시연
VideoLAN은 CES 2025에서 VLC 플레이어에 내장된 실시간 AI 자막 생성 및 번역 기능을 시연했다. 클라우드 없이 기기 로컬에서 오프라인으로 직접 구동되며 100개 이상의 언어를 지원할 예정이다. 다만 정식 업데이트 일정은 아직 공개되지 않았다.
구글, 검색 기록과 디스커버 피드로 5분짜리 맞춤형 AI 팟캐스트 만든다
구글이 서치 랩스를 통해 검색 기록과 디스커버 피드를 약 5분 분량의 맞춤형 오디오로 요약해 주는 AI 기능 '데일리 리슨' 시험 운영을 시작했다. 노트북LM의 음성 오버뷰와 유사하며 전체 대본도 함께 제공된다. 현재 미국 내 안드로이드 및 iOS 서치 랩스 신청자에게만 제한적으로 제공된다.
가민, CES 혁신상 수상한 생성형 AI 차세대 스마트 콕핏 공개
가민이 CES 2025에서 퀄컴 스냅드래곤 플랫폼 기반의 차세대 디지털 콕핏 솔루션 '유니파이드 캐빈'을 공개하며 혁신상을 받았다. 생성형 AI 맞춤형 테마와 좌석별 전용 음성 비서, 독립 오디오, 초광대역(UWB) 기반 탑승자 감지 기능을 지원한다.
타임케틀, 번역 이어폰용 'Babel OS' 공개: 음성 복제와 실시간 예측 통역 지원
Timekettle이 통역 이어폰과 단말기를 위한 동시통역 전용 운영체제 'Babel OS'를 발표했다. 문맥 분할 예측을 통해 지연 시간을 대폭 줄였으며, 사용자 음색을 복제해 감정을 살린 음성과 산업별 맞춤형 사전을 지원한다. W4 Pro 등 기존 기기에서 OTA 업데이트로 이용할 수 있다.