음성

리퀴드 AI가 한국 시각 10월 8일 새벽 2시께 결정 모델 d1-3B와 실험판 d1-omni-600M의 가중치를 허깅페이스에 공개했습니다.

결정 모델은 글을 생성하지 않고 한 번의 계산으로 선택지나 확률을 내놓는 모델로, d1-3B는 텍스트와 이미지를, d1-omni-600M은 텍스트와 함께 이미지나 음성을 받습니다.

d1-3B는 공개 데이터셋 7개 평균 82.9점으로 Decider 4B(81.1점)를 앞섰고, Decision Index 0.2.1에서는 48.57점으로 매개변수 100억 개 미만 결정 모델 가운데 가장 높았습니다.

구글 딥마인드가 한국 시각 10월 7일 새벽 1시 온디바이스용 멀티모달 임베딩 모델 EmbeddingGemma 2를 아파치 2.0 라이선스로 공개했습니다.

매개변수 7억 4,000만 개 모델로 텍스트와 코드, 이미지, 음성, 영상을 같은 768차원 벡터로 바꾸고, 문맥 길이는 8K 토큰으로 1세대의 4배입니다.

양자화하면 픽셀 11 프로에서 텍스트 전용은 약 191MB, 멀티모달 전체는 약 567MB 메모리로 돌아갑니다.

블리핑컴퓨터는 한국 시각 10월 4일 저녁, 앤트로픽이 Claude의 음성 기능을 쓰는 사용자에게 음성 데이터를 AI 모델 개선에 써도 되는지 묻는 안내를 띄우기 시작했다고 보도했습니다.

사용자는 「허용」이나 「나중에」를 고를 수 있고, 설정의 개인정보 메뉴에 음성 데이터 사용을 켜고 끄는 항목이 따로 생겼습니다.

이 항목은 기존의 채팅·코딩 기록 학습 동의와 별개로 작동합니다.

마이크로소프트 AI가 한국 시각 10월 2일 새벽 1시 MAI-Transcribe-2-Streaming과 음성 합성 모델 MAI-Voice-2.1, MAI-Voice-2.1-Flash를 공개했습니다.

받아쓰기 모델은 60개 언어를 자동으로 가려내며, 소리를 받은 지 100밀리초 남짓에 첫 가안을 내고 문맥이 쌓이는 대로 고칩니다.

Artificial Analysis의 확정·중간 받아쓰기 정확도에서 모두 1위에 올랐고, 연말까지 소개 가격은 오디오 1시간당 0.54달러입니다.

큐타이가 스마트폰이나 PC에서 직접 돌아가는 1억(100M) 파라미터 음성 합성 모델 PocketTTS의 새 학습 방법을 공개했습니다.

단어 오류율(WER) 1% 미만에 음성 복제를 지원하고, 코드도 공개돼 있습니다.

Deng 등이 제안한 Drifting을 적용해 한 번의 연산으로 다음 음성 표현을 만들도록 학습했고, 큐타이는 음성 모델과 자기회귀 모델에 Drifting을 쓴 첫 사례라고 밝혔습니다.

인셉션이 음성 AI 에이전트용 확산 언어모델(dLLM) Mercury Voice를 기업 고객에게 정식 출시했습니다.

음성 대화는 상대가 말을 마친 뒤 약 500밀리초 안에 답해야 어색한 침묵이 생기지 않습니다.

인셉션은 답변 첫 토큰까지 걸린 시간이 중앙값 320밀리초로 다음으로 빠른 모델의 절반이었고, τ³-bench 등 평가에서 GPT-6 Luna와 Gemma 4 31B보다 성능이 높았다고 밝혔습니다.