본문으로 건너뛰기
IFAI

AI 음성

업계 태그소식 572개

  1. AI 모델확산 지수 54

    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.

  2. 오픈소스확산 지수 48

    Fish Audio, 16인 다역 연기 지원하는 음성 모델 Drama 3 오픈소스 공개

    Fish Audio가 차세대 오픈소스 음성 모델 Drama 3을 공개했다. 35B 파라미터 MoE 기반으로 하나의 텍스트에서 최대 16명의 서로 다른 캐릭터 목소리를 구현할 수 있다. 한숨이나 웃음 같은 감정 태그는 물론, 전체를 다시 만들 필요 없이 틀린 단어만 자연스럽게 수정하는 편집 기능도 지원한다.

  5. AI 도구확산 지수 50

    구글, 시각장애인 위한 Gemini Live '가이디드 비전' 출시

    구글이 시각장애인을 위해 실시간 음성 시각 보조 기능인 '가이디드 비전'을 Gemini Live에 출시했다. 전문 단체 Aira와 협력해 개발된 이 기능은 카메라 화면을 공유하면 주변 상황을 묘사하고 작은 글씨를 읽어주며, 구도가 맞지 않으면 카메라 각도를 조절하도록 직접 음성으로 안내한다.

  6. AI 모델확산 지수 50

    MS, 초저지연 음성 복제 모델 'MAI-Voice-2.1' 공개

    마이크로소프트가 MAI-Voice-2.1과 Flash 모델을 공개했다. 추가 학습 없이 즉각 목소리를 복제하며 23개 언어와 세밀한 감정 조절을 지원한다. 특히 Flash 버전은 추론 지연 시간을 45ms로 줄여 실시간 음성 상담원의 대기 시간을 대폭 없앴다.

  7. AI 모델확산 지수 54

    타버스, 상호작용 모델 '그리핀' 공개…영상통화 시험서 48%가 사람으로 착각

    AI 스타트업 타버스(Tavus)가 실시간 영상 대화 모델 '그리핀(Griffin)'을 발표했다. 시각과 음성을 동시 처리하는 전이중 방식을 통해 대화 중 자연스럽게 고개를 끄덕이거나 끼어들 수 있으며, 통화 테스트에서 48%가 실제 사람으로 착각했다. 현재 일부 초기 테스터에게 프리뷰로 제공된다.

  9. 이미지·영상 생성확산 지수 42

    일레븐랩스, 'Eleven v4' 공개: 10초 음성 복제와 100ms 초저지연 지원

    일레븐랩스가 표현력을 높인 음성 합성 모델 'Eleven v4'와 'Eleven v4 Turbo'를 출시했다. 텍스트 내 태그로 감정과 효과음을 정밀하게 조절할 수 있고 10초 분량 오디오로 음성을 복제한다. 90개 이상 언어를 지원하며 약 100ms의 추론 지연 시간으로 실시간 대화 에이전트에 최적화했다.

  11. AI 도구확산 지수 35

    일레븐랩스, 학생 전용 플랜 출시: 음성·에이전트 툴 3개월 무료 지원

    일레븐랩스가 대학생 대상의 'ElevenLabs for Students'를 발표했다. 미국, 캐나다, 영국, 호주 및 EU 27개국의 만 18세 이상 대학생에게 ElevenCreative, ElevenAgents, API 3개월 무료 이용권과 ElevenReader Ultra 1년 이용권을 제공한다. 학생들의 연구 및 프로젝트 개발을 돕기 위한 조치로, 향후 지원 대상 국가를 확대할 계획이다.

  12. AI 모델확산 지수 50

    구글, 제미나이 3.8 라이브 아바타 공개: 97개 언어 실시간 립싱크 지원

    구글이 제미나이 엔터프라이즈에 실시간 영상 생성과 음성을 결합한 'Gemini 3.8 Live with Live Avatar'를 출시했다. 보고 듣고 말하는 가상 페르소나를 구현하며 97개 언어에 맞춘 자연스러운 표정과 립싱크를 지원한다. 대화를 끊지 않고 백그라운드에서 데이터를 가져오는 비동기 툴 호출도 가능하다.

  14. 이미지·영상 생성확산 지수 41

    영상에 직접 끼어들어 질문하는 인터랙티브 미디어 데모 'ACTx486' 공개

    기존 팟캐스트 영상을 대화형 미디어로 전환하는 연구 데모 'ACTx486'이 공개됐다. 시청자가 영상을 터치해 질문을 던지거나 언어를 바꾸면 출연진이 맥락에 맞춰 답변한 뒤 본래 영상으로 매끄럽게 복귀한다. 현재는 1회 상호작용 생성에 수분이 걸려 사전 렌더링된 상태이며, 향후 응답 시간을 6초 이내로 줄이는 것이 목표다.

  15. AI 모델확산 지수 51

    구글, 제미나이 3.8 Flash TTS 출시: 프롬프트로 맞춤형 목소리 제작

    구글이 100개 이상의 언어를 지원하는 음성 합성 모델 '제미나이 3.8 Flash TTS'와 'Flash-Lite TTS'를 공개했다. 자연어 프롬프트만으로 새로운 음성 캐릭터를 만들거나 30초 분량의 음성 샘플로 목소리를 복제할 수 있으며, 대본의 줄 단위로 감정과 추임새를 연출할 수 있다. Gemini API와 Google AI Studio에서 즉시 사용할 수 있다.

  18. AI 도구확산 지수 37

    일레븐랩스, AI 오디오 에디터 '스튜디오 4.0' 공개…대본 고치면 음성 자동 재생성

    일레븐랩스가 팟캐스트와 영상 창작자를 위한 오디오 편집기 '스튜디오 4.0'을 공개했다. 1만 개 이상의 AI 음성과 배경음악, 음향 효과 생성을 지원하며, 대본을 수정하면 재녹음 없이 음성을 다시 생성해 준다. 또한 아이디어를 바탕으로 대본 작성과 클립 배치를 돕는 '스튜디오 에이전트'도 탑재됐다.