xAI, 음성 인식 모델 '그록 보이스 트랜스크라이브 2.0' 출시…정확도 2배·가격 동결
xAI가 차세대 음성-텍스트 변환 모델 '그록 보이스 트랜스크라이브 2.0'을 공개했다. 기존 가격인 오디오 시간당 0.10달러(배치), 0.20달러(스트리밍)를 유지하면서 정확도를 2배 높였다. 벤치마크 32개 스트리밍 모델 중 1위에 올랐으며, 19개 언어의 짧은 발화 오류율을 6.8%까지 낮췄다.
AI 음성
최신 소식 보기
xAI 그록, 음성 모드 도입…데스크톱·모바일 순차 배포
xAI의 챗봇 그록(Grok)에 음성 모드가 추가되어 데스크톱과 모바일 앱 전반에 순차 배포되기 시작했다. 텍스트 입력 대신 말로 직접 대화할 수 있게 되면서, 이미 음성 기능을 제공 중인 챗GPT 및 구글 제미나이와의 격차를 좁히게 되었다.
뮤즈 AI, 미국 매장 대상 전화 발신 기능 베타 확대
뮤즈 AI(Muse AI)가 미국 내 비즈니스로 전화를 걸어주는 외발신 기능의 베타 테스트를 확대했습니다. 가장 많은 요청을 받았던 기능 중 하나로, 사전에 어시스턴트를 통해 관심을 표했던 사용자들에게 우선 제공됩니다. 텍스트 대화를 넘어 AI가 현실 속 매장 예약이나 문의 전화를 직접 대신해 주는 단계로 진입했습니다.
넷이즈 유다오, 실시간 음성인식 오픈소스 모델 'R2T2' 공개
넷이즈 유다오가 실시간 스트리밍 음성인식 모델 'Confucius4-R2T2'를 오픈소스로 공개했다. Qwen3-ASR 기반으로 개발되어 200~600밀리초의 낮은 지연 시간을 지원하며, 이미 출력된 텍스트를 고치지 않는 추가 전용 방식을 도입해 자막 깜빡임을 없앴다.
아마존, 인도서 대화형 AI '알렉사+' 조기 출시…힌디어 지원
아마존이 인도에서 대화형 AI 어시스턴트 '알렉사+(Alexa+)'의 얼리 액세스를 시작했다. 힌디어와 영어를 지원하며 문장 중간에 언어를 바꿔 말해도 자연스럽게 인식한다. 현지 배달·예약 서비스와 연동되며, 테스트 종료 후 프라임 회원은 무료로 이용할 수 있다.
구글, 생각하며 말하는 음성 AI '제미나이 3.8 라이브' 공개
구글이 차세대 음성 AI 모델 '제미나이 3.8 라이브'와 '3.8 라이브 익스텐디드 씽킹'을 공개했다. 실시간 시각 정보 처리와 97개 언어 자동 전환을 지원하며, 백그라운드 툴 호출 중에도 끊김 없이 대화를 이어간다. 현재 구글 AI 스튜디오와 제미나이 API에서 사용할 수 있다.
일레븐랩스, MCP 확장 공개: 클로드·챗GPT 대화창서 영상·음악 바로 생성
일레븐랩스가 MCP 커넥터를 확장해 클로드, 챗GPT, 커서 등 AI 어시스턴트 내에서 음성, 음악, 이미지, 비디오를 직접 생성할 수 있도록 지원했다. 별도 API 키 없이 OAuth 로그인만으로 50개 이상의 모델을 활용할 수 있으며, 생성물은 일레븐크리에이티브 작업 공간에 동기화된다.
앤트그룹·칭화대, 실시간 멀티모달 에이전트 'Realtime-Venus' 공개
앤트그룹과 칭화대학교가 실시간 멀티모달 에이전트 시스템 Realtime-Venus를 선보였다. 듀얼 루프 구조와 2개의 9B 모델을 활용해 전이중 음성 대화를 나누면서 복잡한 작업을 백그라운드에서 비동기로 처리한다. 작업 완료를 기다리느라 대화가 끊기지 않아 스마트 글래스와 차량용 비서에 유용하다.
유니버설 뮤직, 일레븐랩스와 맞손: 공식 라이선스 AI 음악 리믹스 플랫폼 구축
유니버설 뮤직 그룹과 일레븐랩스가 다년간의 전략적 제휴를 발표했다. 양사는 팬들이 참여 아티스트의 음원을 합법적으로 리믹스하고 새로운 트랙으로 재창작할 수 있는 독립 AI 음악 플랫폼을 개발 중이며, 아티스트에게 정당한 보상을 분배할 방침이다.
OpenAI, 전이중 음성 모델 'GPT-Live-1' API 출시: 분당 0.05달러
OpenAI가 듣기와 말하기를 동시에 처리하는 전이중 음성 모델 GPT-Live-1의 API를 정식 출시했다. 요금은 분당 0.05달러다. 기존처럼 음성인식과 텍스트 모델을 엮을 필요 없이 단일 모델로 자연스러운 끊어듣기를 지원하며, 복잡한 추론은 백엔드의 GPT-6 Astra 등에 위임할 수 있다.
애플, 에어팟 5 공개: 오픈형 노이즈 캔슬링 50% 개선 및 시리 AI·실시간 번역 탑재
애플이 129달러부터 시작하는 에어팟 5를 발표했다. 오픈형 디자인임에도 ANC 성능을 전작 대비 최대 50% 개선했으며, 애플 인텔리전스를 통해 개인 맥락을 파악하는 시리 AI 핸즈프리 호출과 실시간 대화 번역을 지원한다. 9월 18일 정식 출시된다.
텐센트, 음성 편집 모델 'AuK' 오픈소스 공개: 텍스트 고치듯 음성 수정
텐센트가 1.5B 규모의 음성 생성 및 편집 기반 모델 'AuK'를 오픈소스로 공개했습니다. 자연어 명령어만으로 제로샷 음성 복제가 가능하며, 글을 고치듯 음성 속 단어를 자연스럽게 삽입·삭제하거나 감정과 음색을 전환할 수 있습니다. 현재 온라인 데모와 소비자용 GPU 로컬 실행을 지원합니다.
구글, 워크스페이스에 제미나이 음성 기능 도입…말로 메일 검색·문서 작성
구글이 지메일, 닥스, 킵에 제미나이 오디오 모델 기반 실시간 음성 기능을 정식 출시했다. 말로 편하게 메일함을 검색하고, 음성 대화로 문서 초안을 잡거나 떠오르는 생각을 정돈된 메모로 바꿀 수 있다. 이번 기능은 구글 AI 유료 구독자를 시작으로 향후 기업 고객에게도 순차 적용된다.
MS, 음성인식 모델 MAI-Transcribe-2 공개…경쟁사 대비 10배 빠르고 시간당 0.1달러
마이크로소프트가 음성인식 모델 'MAI-Transcribe-2'를 공개했다. 60개 언어 대상 FLEURS 벤치마크에서 평균 단어오류율 5.2%를 기록했으며, GPT-Transcribe 대비 최대 10배 빠르다. 화자 분리 및 단어 단위 타임스탬프를 지원하며, 연말까지 1시간당 0.10달러에 제공된다.
메타, 실시간 음성 모델 '뮤즈' 공개…20명 이상 화자 분리 지원
메타가 첫 실시간 오디오 모델 '뮤즈 보이스 트랜스크라이브'를 공개했다. 80ms 단위로 음성을 처리하고 강화학습으로 지연 시간과 정확도를 조율하며, 20명 이상의 화자 분리와 1시간 이상의 음성을 지원한다. 맥용 메타 AI와 API를 통해 바로 쓸 수 있다.
플라우드, AI 이어폰 'Plaud One' 출시: 4G 탑재로 폰 없이 녹음·요약
플라우드가 대화 녹음 및 전사·요약을 지원하는 AI 이어폰 'Plaud One'을 249.99달러에 공개했다. 충전 케이스에 4G 연결 기능이 내장되어 스마트폰 없이도 단독 처리할 수 있으며, 버튼을 눌러 슬랙이나 노션과 연동하는 에이전트를 호출할 수 있다. 현재 일부 시장에서 예약 주문 중이며 2026년 4분기 배송 예정이다.
구글, 음성 인식 모델 '제미나이 3.5 트랜스크라이브' 공개… 오류율 2.6%
구글이 음성 인식 모델 '제미나이 3.5 트랜스크라이브'를 공개했다. 비스트리밍 단어 오류율 2.6%를 기록했으며 85개 이상 언어, 불필요한 추임새 제거, 실시간 말실수 수정, 최대 3인 화자 분리를 지원한다. 현재 구글 AI 스튜디오 API로 프리뷰 제공된다.
구글, 제미나이 라이브에 에이전트 기능 탑재: 음성으로 지메일 정리 및 다단계 업무 자동화
구글은 제미나이 라이브에 'Spark'를 연동해 자율 에이전트 기능을 대폭 강화했다고 발표했다. 사용자는 음성 명령만으로 구글 문서, 시트, 웹을 넘나드는 다단계 백그라운드 작업을 실행할 수 있으며, 음성 전용 지메일 관리와 일정 모닝 브리핑 기능도 함께 제공된다.
파티클, AI 에이전트용 팟캐스트 검색 엔진 ‘레이더’ 출시：13만 개 방송 색인
파티클이 팟캐스트 검색 엔진 ‘레이더(Radar)’를 공개했다. 13만 개 이상의 방송을 전사 및 분석해 매일 2만 개 에피소드를 추가한다. 검색 API와 MCP를 지원해 오디오 데이터에 취약한 AI 에이전트에 화자 및 인용 메타데이터를 제공하며, 헤지펀드 등이 이미 대량 도입 중이다.
BreezeBlue, 초저지연 음성 모델 'Breeze-TTS-2' 오픈소스 공개
BreezeBlue가 실시간 상호작용용 음성 합성 모델 Breeze-TTS-2의 가중치와 추론 코드를 공개했다. 중·영 이중 언어를 지원하며 H100에서 첫 오디오 생성까지 40ms 미만의 지연 시간을 기록했다. 자연어 프롬프트로 목소리를 생성하거나 텍스트 내에 [웃음], [한숨] 등 감정 표현을 삽입할 수 있다. 가중치는 연구 및 비상업용으로 제공된다.