머프 AI, 음성 모델 ‘Falcon 2’ 공개…ElevenLabs 대비 5분의 1 가격
인도 스타트업 머프 AI가 텍스트 음성 변환 모델 'Falcon 2'를 공개했다. 생성 비용은 분당 0.01달러로 ElevenLabs의 5분의 1 수준이며, 응답 지연 시간은 100밀리초 미만이다. 벤치마크에서 OpenAI의 일부 시스템을 앞섰으며, 35개 이상 언어와 1만 건 동시 통화를 지원한다.
AI 음성
최신 소식 보기
어도비 파이어플라이 오디오 툴 정식 출시: 상업용 음악·음향 일괄 생성
어도비는 파이어플라이 오디오 기능을 정식 출시했다. 저작권 분쟁 없는 상업용 음악, 효과음, 음성 생성을 지원하며 일레븐랩스 연동도 제공한다. 또한 구글 제미나이 옴니 플래시 모델을 추가하고 AI 어시스턴트에 일일 무료 생성 혜택을 적용했다.
Meta AI, macOS 앱 출시: fn 키 길게 눌러 시스템 전체 음성 받아쓰기 지원
Meta AI가 공식 macOS 데스크톱 앱을 출시했습니다. 가장 큰 특징은 시스템 전역에서 작동하는 고정밀 음성 받아쓰기 기능으로, 사용자는 fn 키를 누른 채 말하기만 하면 다른 프로그램 전환 없이 어떤 앱에서든 즉시 텍스트를 입력할 수 있습니다.
일레븐랩스, '일레븐 v3 컨버세이셔널' 출시: 70개 언어·감정 조절 지원
일레븐랩스가 실시간 음성 모델 '일레븐 v3 컨버세이셔널'을 정식 출시했다. 70개 이상의 언어와 1만 1천 개 이상의 음성을 지원하며, 개발자는 오디오 태그를 활용해 웃음, 속삭임 등 감정을 정밀하게 제어할 수 있다. 가격은 1천 자당 0.05달러부터다.
Audio8TS: 1.7GB 초소형 음성 합성 모델, 몇 초 샘플로 로컬 음성 복제
약 1억 개 파라미터 규모의 초경량 TTS 모델 Audio8TS가 공개됐다. 전체 용량이 1.7GB에 불과하며, 단 몇 초 분량의 샘플로 제로샷 음성 복제가 가능하다. ONNX INT8 양자화를 지원해 고사양 GPU 없이 일반 PC의 CPU에서도 로컬 음성 복제를 가볍게 실행할 수 있다.
음성 에이전트 전용 실시간 메모리 'VoiceMem' 오픈소스 공개
실시간 음성 에이전트를 위한 장기 기억 시스템 'VoiceMem'이 오픈소스로 공개됐다. 기억을 사실 정보의 '좌뇌'와 감정·성향의 '우뇌'로 나누고, 사용자가 말하는 도중에 미리 검색을 끝내는 스트리밍 아키텍처를 도입했다. 응답 지연을 134ms 수준으로 낮춰 대화 끊김을 줄였다.
피카, 경쟁사 대비 최대 20배 저렴한 오디오 AI 모델 4종 출시
피카(Pika)는 비디오 싱크 사운드트랙, 음악, 효과음, 음성 합성을 지원하는 4종의 오디오 파운데이션 모델을 공개했다. 고효율 추론 기술로 가격을 경쟁사 대비 최대 20배 낮췄으며, 현재 피카 API 클럽을 통해 독점 제공된다.
Grok Bot에 전화 걸기 기능 추가: 고객센터 대기부터 요금 협상까지 대행
Grok Bot이 유료 이용자를 대상으로 전화 걸기 기능을 선보였다. 미국 번호로 고객센터 대기, 예약, 요금 협상을 대신 처리할 수 있다. 실시간 통화 녹취록을 보며 봇이 모르는 질문에는 텍스트로 답을 넘겨줄 수 있지만, 통화에 대한 법적 책임은 사용자가 전적으로 진다.
샤오미, 음성·음악·환경음을 한 번에 합성하는 'MiDashengLM-Gen' 오픈소스 공개
샤오미 연구팀이 단일 프롬프트로 음성과 음악, 효과음, 환경음을 한꺼번에 합성하는 'MiDashengLM-Gen'을 아파치 2.0으로 공개했다. Qwen3-1.7B와 플로우 매칭 기술을 결합해 구조화된 텍스트로부터 자연스러운 16kHz 오디오 장면을 직접 생성한다.
딥그램, 80ms 지연 시간의 실시간 음성 합성 모델 'Flux TTS' 출시
딥그램이 실시간 대화에 특화된 음성 합성 모델 'Flux TTS'를 공개했다. 응답 지연 시간을 80ms 수준으로 낮췄으며, 대화 중 말 끊김이나 주문 변경 등 실제 고객 통화 환경을 매끄럽게 처리한다. 9월 12일까지 개발자에게 무료로 개방된다.
IndexTTS 2.5 오픈소스 공개: 5개 언어 음성 복제 및 감정 제어 지원
오픈소스 음성 합성 프로젝트 IndexTTS가 2.5 버전을 공개했다. 한국어 외 중국어, 영어, 일본어, 스페인어, 아랍어 등 5개 국어를 지원하며 추론 속도 개선과 발음 제어, vLLM 프로덕션 배포 기능을 갖췄다.
일레븐랩스, 감정 살리는 '더빙 v2' API 출시…90개 이상 언어 지원
일레븐랩스는 제품과 워크플로에 AI 더빙을 바로 연동할 수 있는 '더빙 v2' API를 공개했다. 원본 음성의 연기를 바탕으로 90개 이상 언어에서 억양과 감정을 그대로 보존하며 타이밍을 자동 동기화한다. 배경음과 음악, 다중 화자 처리 성능도 함께 개선됐다.
xAI, 영상 모델 '이매진 비디오 1.5' 업데이트…인물 얼굴·목소리 고정 지원
xAI가 '이매진 비디오 1.5' 모델을 업데이트하고 이미지와 음성 참조, 텍스트 기반 비디오 생성, 네이티브 1080p 출력을 추가했다. 한 번에 최대 7장의 참조 이미지를 넣어 얼굴, 제품, 배경을 고정하고 목소리까지 일관되게 유지할 수 있다. 1080p 생성은 즉시 전면 공개되며, 참조 기능은 미국 유료 구독자부터 순차 적용된다.
AI 목걸이 'Friend 2.0' 공개: 스피커 탑재로 음성 대화 지원, 가격은 249달러로 인상
AI 컴패니언 기기 Friend가 2.0 버전을 발표했다. 내장 스피커를 새로 탑재해 텍스트에 머물던 목걸이가 일관된 성격을 지닌 음성으로 직접 대화할 수 있게 됐다. 다만 가격이 초기 99달러에서 249달러로 크게 올랐으며, 단순 대화 외의 실용성은 여전히 과제로 꼽힌다.
헤이젠, 문서와 링크를 2인 진행 영상 팟캐스트로 만드는 도구 공개
HeyGen은 문서나 링크, 아이디어를 2인 진행 영상 프로그램으로 변환하는 Video Podcast 도구를 공개했다. 기존의 음성 전용 팟캐스트와 달리 스튜디오 배경, 멀티 카메라 전환, B-roll 영상을 자동으로 구성해 몇 분 만에 바로 게시 가능한 완성본을 제작한다.
macOS용 제미나이 업데이트: Fn 키 길게 눌러 음성 입력 및 화면 요약
Google이 macOS용 제미나이 앱에 음성 기능을 추가했다. Fn 키를 길게 누르면 어떤 창에서든 음성으로 입력할 수 있으며 불필요한 추임새를 자동으로 걸러준다. 설정을 켜면 화면에서 선택한 파일 요약이나 텍스트 재작성도 음성 명령으로 실행할 수 있다.
VocalRender: 가사와 MIDI 음표로 48kHz 고음질 가창 음성 직접 생성
오픈소스 가창 음성 합성 시스템 'VocalRender'가 공개되었다. 가사와 MIDI 음표, 몇 초 분량의 참조 음성만 입력하면 별도의 타이밍 정렬 없이 48kHz 고음질 보컬을 생성한다. Apache-2.0 라이선스로 전처리·학습·추론 코드와 약 9.5GB 크기의 기본 및 Pro 가중치가 제공된다.
xAI, '그록 보이스 2.0' 공개: 말하면서 추론, 지연 시간 0.7초
xAI는 음성 대 음성 모델 '그록 보이스 2.0'을 공개했다. 음성을 내보내며 동시에 백그라운드 추론을 진행해 첫 오디오 응답 지연을 0.7초로 단축했고, 벤치마크에서 GPT-Realtime-2.1을 앞섰다. 이용료는 분당 0.08달러이며 8월 5일부터 기본 적용된다.
OpenAI, 음성 전사 모델 'gpt-transcribe' 및 'gpt-live-transcribe' 공개
OpenAI가 배치 처리용 'gpt-transcribe'와 실시간 전사용 'gpt-live-transcribe' 모델을 공개했다. 배경 소음, 억양, 다국어 혼용 및 고유명사 등 인식하기 까다로운 환경에서의 음성 전사 정확도를 대폭 끌어올렸다.
피시 오디오, 5200만 달러 시드 투자 유치 및 'S2.1 Pro' 공개
음성 AI 스타트업 피시 오디오가 5200만 달러 규모의 시드 투자를 유치하고 음성 복제 모델 'S2.1 Pro'를 공개했다. 5초 분량의 오디오만으로 음성을 복제하며, 일레븐랩스 대비 6분의 1 비용과 카르테시아 대비 2배 빠른 속도를 구현했다. 단어 단위의 감정과 속도 제어도 지원한다.