CrisperWhisper 2.0 오픈소스 공개: 말더듬 보존과 텍스트 정제 모드 지원
nyra labs가 음성 텍스트 변환 모델 CrisperWhisper 2.0을 공개했다. 말더듬과 웃음소리까지 기록하는 축어 모드와 정제된 텍스트를 출력하는 의도 모드를 선택할 수 있다. 단어 정렬 오차는 30ms 수준이며, 최소 2억 파라미터 모델은 GPU 없이도 바로 실행된다.
AI 음성
최신 소식 보기
알리바바 Qwen-Audio-Agent 공개: 통화하듯 음성으로 AI 에이전트 지휘
알리바바가 실시간 음성 런타임 qwen-audio-agent를 오픈소스로 공개했다. 전이중 음성 통화로 끊김 없이 대화하며 언제든 끼어들 수 있고, 백그라운드 에이전트가 코드 작성 등 복잡한 작업을 비동기로 처리한 뒤 음성으로 결과를 보고한다.
OpenAI, 데스크톱용 ChatGPT Voice 출시: 음성으로 여러 에이전트 제어
OpenAI가 macOS와 Windows 데스크톱 앱에 ChatGPT Voice를 도입했다. GPT-Live 기반으로 동작해 음성만으로 컴퓨터를 제어하고 ChatGPT Work나 Codex 내 여러 에이전트를 동시에 지휘할 수 있다. Plus, Pro 등 유료 플랜 이용자를 대상으로 순차 배포된다.
MS, 자체 이미지·음성 AI 모델 공개…빙 이미지 생성기 전면 적용
마이크로소프트는 자체 개발 모델 MAI-Image-2.5-Pro와 MAI-Voice-2-Flash의 퍼블릭 프리뷰를 시작했다. 빙 이미지 크리에이터는 100% 자체 모델 기반으로 전환됐으며, 새 음성 모델은 이전보다 2배 빨라지고 비용은 32% 절감됐다.
앤트로픽, 클로드 음성 모드 대폭 업그레이드…오퍼스 탑재 및 도구 연동
앤트로픽이 클로드 음성 모드에 오퍼스(Opus)와 소네트(Sonnet) 모델을 도입해 깊이 있는 문제 해결 대화를 지원한다. 대화 도중 지메일, 구글 캘린더 등 연동된 도구를 음성으로 직접 실행할 수 있으며, 한국어를 포함한 11개 언어를 지원한다. 웹과 모바일 전 사용자에게 베타로 제공된다.
오픈AI, 기업용 에이전트 플랫폼 '프레즌스' 출시…상담 75% 무인 처리
오픈AI가 음성과 채팅을 지원하는 기업용 AI 에이전트 플랫폼 '프레즌스(Presence)'를 선보였다. 사내 시스템 연동과 안전 규칙을 적용해 복잡한 지원 업무를 처리하며, 자체 전화 상담의 75%를 자동 완결했다. 코덱스를 통한 자동 개선 루프를 지원하며 현재는 전담 배치 형태로 한정 제공된다.
Waze, 제미나이 기반 대화형 검색과 모터사이클 모드 도입
Waze가 안드로이드 및 iOS용 신기능을 공개했다. 제미나이(Gemini)를 탑재해 자연스러운 음성 대화로 목적지를 찾거나 도로 변경을 제보할 수 있게 됐다. 이륜차 전용 경로 안내와 음성 안내를 줄여주는 '덜 수다스러운' 모드도 추가됐다. 대화형 검색은 글로벌 베타부터 적용된다.
영상 편집 에이전트 BaoCut: 말 한마디로 음성 전사와 자막 번역, 가편집까지
영상 전사 및 가편집 도구 BaoCut이 공개됐다. Claude Code나 Codex와 연동해 자연어 명령으로 군더더기 말을 지우고 자막 번역과 컷 편집을 한 번에 처리한다. 편집 가능한 타임라인을 제공해 일일이 자막을 수정하던 크리에이터의 번거로움을 크게 덜어준다.
MS, 오디오 모델로 만든 시 테라피 'Ode Poetry' 공개: 목소리와 상담 방식 재현
마이크로소프트 AI가 시인 윌리엄 시거트 등과 협력해 디지털 시 추천 서비스 'Ode Poetry'를 선보였다. 음성 모델 MAI-Transcribe와 MAI-Voice를 적용해 이용자의 고민을 실시간으로 경청하고, 시인의 목소리와 선별 논리를 바탕으로 맞춤형 시를 처방해 들려준다.
오픈AI, 음성 모델 'GPT-Live' 출시: 듣고 말하기를 동시에 지원
오픈AI는 전이중 아키텍처 기반의 새 음성 모델 'GPT-Live'를 공개했다. 사용자의 말을 들으면서 동시에 맞장구를 칠 수 있고, 복잡한 작업은 백그라운드에서 GPT-5.5에 위임해 대화 흐름을 유지한다. 현재 챗GPT 무료 및 유료 사용자에게 순차 적용 중이다.
xAI, 노코드 음성 에이전트 빌더 출시: 그록 보이스 기반 분당 0.05달러
xAI가 사람처럼 자연스러운 음성 에이전트를 코딩 없이 제작할 수 있는 도구 'Voice Agent Builder'를 출시했다. 그록 보이스(Grok Voice) 기술을 기반으로 작동하며, 분당 0.05달러 가격에 정식 서비스를 시작했다.
Fish Audio, 플래그십 TTS 모델 'S2.1 Pro' 무료 공개: 83개 언어 지원 및 사용량 무제한
Fish Audio가 자사의 주력 텍스트 음성 변환(TTS) 모델인 S2.1 Pro를 개발자들에게 무료로 개방했다. 83개 언어를 지원하며 사용량 제한이 없어, 비용 부담 없이 다국어 음성 기능을 서비스에 직접 연동할 수 있게 됐다.
OASIS, 속삭임 타이핑과 트랙패드 탑재한 스마트 링 'OASIS 1' 공개
스타트업 OASIS가 스마트 링 'OASIS 1'을 공개했다. 소음 차단 마이크와 WisprFlow 기술로 작게 속삭여도 조용하게 텍스트로 변환되며, 링에 내장된 소형 트랙패드로 커서를 움직여 바로 오타를 고칠 수 있다. 배터리는 최대 16시간 지속되며 가격은 289달러다.
넷플릭스, 웡카 리얼리티 쇼에 고 진 와일더의 AI 생성 음성 도입
넷플릭스는 첫 공개되는 웡카 리얼리티 쇼 'Wonka’s The Golden Ticket'의 내레이션에 고 진 와일더의 AI 복원 음성을 사용한다고 밝혔다. 이번 음성은 AI 음성 기업 일레븐랩스와의 협업으로 제작됐으며 유족의 동의를 얻었다. 유명인의 음성을 공식 승인 하에 재현하는 사례가 늘어나는 추세다.
알리바바, 실시간 영상 대화 모델 '완 스트리머' 공개…200ms 응답 지연
알리바바가 실시간 전이중 영상 대화가 가능한 엔드투엔드 모델 '완 스트리머'를 공개했다. 별도 모듈 연결 없이 단일 트랜스포머로 텍스트, 음성, 영상을 동시 처리하며 모델 응답 지연을 약 200ms로 단축했다. 현재 v0.1은 192p 개념 검증 단계로 실시간 체험은 미제공 상태다.
라이트릭스, 다중 화자 오디오 장면 생성 모델 ScenA 공개: 프롬프트 하나로 겹쳐 말하기까지 구현
라이트릭스와 텔아비브 대학교가 텍스트 프롬프트와 참조 음성만으로 전체 오디오 장면을 한 번에 생성하는 ScenA를 발표했다. 대화 턴마다 스크립트를 쪼갤 필요 없이 배경 소음과 겹쳐 말하기, 감정 표현을 자연스럽게 엮어낸다. 스튜디오 녹음 수준을 넘어 실제 대화의 현장감을 온전히 구현한 것이 핵심이다.
Cartesia, 음성 생성 Sonic-3.5와 전사 모델 Ink-2 공개…스트리밍 1위 등극
Cartesia가 음성 합성 모델 Sonic-3.5와 실시간 전사 모델 Ink-2를 출시했다. 두 모델 모두 아티피셜 아날리시스 스트리밍 벤치마크 1위를 차지했으며, 상태 공간 모델 구조로 지연 시간을 300ms 미만으로 줄였다. 발화 턴 감지를 내장해 대화 끊김을 줄였다.
자이프라, 오픈소스 음성 합성 모델 'ZONOS2' 공개: 8B MoE 기반 고음질 보이스 클로닝
자이프라(Zyphra)가 오픈소스 TTS 모델 ZONOS2를 공개했다. 총 80억 파라미터 중 9억 개만 활성화되는 MoE 구조를 채택하고 600만 시간 이상의 다국어 음성으로 학습했다. 아파치 2.0 라이선스로 배포되며, 낮은 지연 시간으로 44.1 kHz 고음질 음성 복제를 구현한다.
일레븐랩스, 스크립트로 립싱크 영상 만드는 '아바타' 출시
일레븐랩스가 ElevenCreative에 'Avatars' 기능을 추가했다. 단일 인터페이스에서 대본 작성과 음성 선택, 립싱크 영상 생성을 한 번에 처리하며, 사진이나 텍스트로 고정된 외형을 유지할 수 있다. 현재 모든 유료 플랜에 제공된다.
구글, 실시간 음성 번역 모델 '제미나이 3.5 라이브 번역' 공개...70개 언어 지원
구글이 실시간 음성 번역 모델 '제미나이 3.5 라이브 트랜스레이트'를 공개했다. 말이 끝날 때까지 기다리지 않고 화자보다 불과 몇 초 뒤처진 채 70여 개 언어를 연속 번역하며 억양과 음조를 유지한다. 구글 번역 앱, 구글 미트, 구글 AI 스튜디오를 통해 순차 배포된다.