쌓인 기록에서 찾기
무엇을 찾으세요?
날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위부터 2026년 11월 3일 (화)까지3800건
7건 · "음성 모델"조건 지우기 ×
001▲ 22 · 댓글 1음성·추론·도구 통합한 오픈 모델 Apriel Voice 27B 공개Gemma 4 26B-A4B를 기반으로 한 Apriel Voice 27B Preview는 음성 입력을 직접 처리하면서 텍스트·이미지 입력도 지원하는 음성-언어 모델이다.AI · 머신러닝 · Apriel Voice 27B Preview: An Open Model for Speech, Reasoning, and Tool Use
Key Point음성 인터페이스에서 추론과 도구 호출까지 한 모델에서 지원하는 오픈소스 음성 모델이 나왔으므로, 음성 기반 AI 어시스턴트 구축의 선택지가 늘어난다.
핵심 요약
- Gemma 4 26B-A4B를 기반으로 한 Apriel Voice 27B Preview는 음성 입력을 직접 처리하면서 텍스트·이미지 입력도 지원하는 음성-언어 모델이다.
- 음성 인식을 넘어 사용자 요청을 이해하고, 문맥을 이용해 추론하며, 대화를 지속하고, 도구를 호출하는 기능을 하나의 추론 백본 안에서 통합한다.
- 2단계 학습 과정으로 학습했는데, 첫 단계는 음성 인터페이스를 확립하고 두 번째는 지도 학습·텍스트 재생·교차 엔트로피 손실함수를 통해 프로젝터와 백본을 동시에 적응시킨다.
전체 요약 6문장 읽기 →오픈소스 · 도구 · anomalyco/hex · Rust
Key Point클라우드 의존도 없이 로컬에서만 동작하는 다중 플랫폼 음성 받아쓰기 도구의 공개로, 프라이버시를 중시하는 개발자와 사용자에게 새로운 대안을 제공한다.
핵심 요약
- Rust로 만든 로컬 우선 음성 받아쓰기 도구 Hex를 macOS, Windows, Linux에서 사용 가능하게 공개했다.
- macOS 15 이상 Apple silicon Mac에서 단축키를 누르고 말한 후 놓으면 로컬에서 받아써 현재 앱에 붙여넣는다.
- 온디바이스 음성 모델을 설치 중에 다운로드하며 OpenAI나 클라우드 서비스 없이도 동작한다.
전체 요약 12문장 읽기 →오픈소스 · 도구 · ollama/ollama@v0.40.9
Key PointOllama 사용자가 안정적인 Gradium Phonon 음성 모델을 사용할 수 있게 되며, 기존 프리릴리스 형식에서의 마이그레이션이 필요하다.
핵심 요약
- Ollama v0.40.9는 Gradium의 음성 모델 정식 버전(GA) 체크포인트 형식을 지원하도록 업데이트되었다.
- 기존 프리릴리스 체크포인트 경로를 정식 GA 포맷으로 대체했으며, 기본 음성 임포트와 음성 조건 설정 기능을 포함한다.
- 이 버전의 최소 요구사항을 0.40.9로 설정하고 음성 관련 문서를 업데이트했다.
전체 요약 4문장 읽기 →AI · 머신러닝 · Voxtral 3
Key Point음성 AI 에이전트는 콜센터·가상 비서·자동화 시스템에서 실제 운영되는 필수 기술인데, 이전까지는 낮은 정확도와 부자연스러운 응답이 문제였다. Voxtral 3은 저렴한 가격에 다국어·고감정 표현 능력으로 프로덕션 레벨의 음성 에이전트 구축을 현실화한다.
핵심 요약
- 미스트랄이 음성 에이전트 SDK와 음성 모델 Voxtral 3을 발표했다.
- 음성 인식, 추론, 도구 호출, 음성 생성을 하나의 실시간 스트리밍 파이프라인으로 통합한다.
- 음성-텍스트 모델 Voxtral Transcribe 3은 50개 이상 언어 지원, 화자 분석(diarization), 문맥 기반 정확도 향상(context-biasing), 발화 종료 감지 기능을 제공한다.
전체 요약 10문장 읽기 →AI · 머신러닝 · Apertus 1.5: From Open Text Models to Open Multimodal Reasoners
Key Point공개 데이터로만 학습한 완전히 오픈소스 멀티모달 모델의 등장으로, 소수 기업 종속에서 벗어날 수 있는 대안이 실제 규모에서 가능함을 보여준다.
핵심 요약
- Apertus 1.5는 완전히 공개 데이터로 학습한 멀티모달 추론 모델로, 텍스트 기반 Apertus 1.0을 확장했다.
- 8B 모델에 4T개, 70B 모델에 2T개 토큰을 추가 학습해 이미지와 음성 이해 능력을 추가했으며, 컨텍스트 윈도우를 262,144 토큰으로 4배 확대했다.
- 토크나이저를 통해 멀티모달 입력을 처리하되 언어 모델 헤드는 텍스트만 출력하고 아키텍처는 유지했다.
전체 요약 9문장 읽기 →AI · 머신러닝 · NVIDIA/personaplex · Python
Key PointNVIDIA의 실시간 양방향 음성 모델이 텍스트 프롬프트로 페르소나를 제어할 수 있다는 점이 음성 AI의 커스터마이제이션 수준을 크게 높이며, 오픈소스 공개로 즉시 활용 가능하다.
핵심 요약
- NVIDIA가 Moshi 아키텍처 기반의 실시간 풀 듀플렉스 음성 대화 모델 PersonaPlex를 공개했다.
- 텍스트 기반 역할 프롬프트와 오디오 기반 음성 조건화를 통해 페르소나 제어가 가능하며, 합성 및 실제 대화 데이터로 학습되어 자연스럽고 저지연 음성 상호작용을 생성한다.
- 모델은 HuggingFace에서 personaplex-7b-v1로 제공되며, MIT 라이선스 코드와 NVIDIA Open Model 라이선스 가중치로 배포된다.
전체 요약 7문장 읽기 →AI · 머신러닝 · Duplex-MPE: Benchmarking Multi-Party Interaction in Full-Duplex Dialogue
Key Point다중 화자 상황에서 음성 AI의 현실적 문제(과도한 발화, 침묵 실패)를 체계적으로 측정하는 첫 벤치마크로서, 실제 대화 환경에서 AI 어시스턴트의 동작 능력 수준을 명확히 보여준다.
핵심 요약
- 실시간 전이중 음성 모델은 말하면서 동시에 들을 수 있어 엄격한 턴 교대 없이 자연스러운 상호작용을 가능하게 한다.
- 기존 벤치마크는 턴-테이킹, 끼어들기 처리, 다중 라운드 대화를 평가했지만 대부분 한 명의 지정된 사용자에 초점을 맞춰왔다.
- Duplex-MPE 벤치마크는 3~4명의 인간 화자와 1명의 어시스턴트가 나누는 2,000개 시나리오를 포함하며, 명시적·암시적 요청이 쌍을 이룬다.
전체 요약 8문장 읽기 →