쌓인 기록에서 찾기
무엇을 찾으세요? 날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위 2026년 8월 13일 (목) 부터 2026년 11월 16일 (월)까지 4683건
11건 · "음성 합성"조건 지우기 ×
001 00:11 ▲ 18 · 댓글 3 음성 생성 통합 엔드투엔드 프레임워크 WaveGen 공개 WaveGen은 확산 모델 기반의 완전 엔드투엔드 텍스트-파형 생성 프레임워크로, 스펙트럼 강제(Spectral Forcing) 기법으로 내부 스펙트럼 궤적과 대상 파형 궤적을 단일 모델에서 동시 학습한다. AI · 머신러닝 · WaveGen: Truly End-to-End Waveform Generation via Internal Spectral Trajectory Learning
Key Point 기존 음성 합성 파이프라인의 복잡한 멀티스테이지 구조를 완전히 통합하고 외부 모듈 의존성을 제거한 진정한 엔드투엔드 모델로, 음성 생성 시스템의 단순화 가능성을 보여준다.
핵심 요약
WaveGen은 확산 모델 기반의 완전 엔드투엔드 텍스트-파형 생성 프레임워크로, 스펙트럼 강제(Spectral Forcing) 기법으로 내부 스펙트럼 궤적과 대상 파형 궤적을 단일 모델에서 동시 학습한다. 신경 오디오 코덱, 멜-스펙트로그램 보코더, VAE 기반 잠재 모델 등 별도 학습된 중간 표현에 의존하지 않으며, 지속시간 예측기 같은 외부 정렬 모듈 없이 모델 내부에서 텍스트-음성 정렬을 수행한다. BERT 기반 텍스트 임베딩, Wav2Vec 2.0 기반 의미 표현, 의미 증류 같은 자기지도 표현 의존성도 제거해 진정한 엔드투엔드 구조를 유지한다. 전체 요약 7문장 읽기 → 002 18:15 스타 1,596 파이썬으로 만드는 빗소리·번개 시뮬레이터 Python, Pygame, NumPy, SciPy를 이용한 절차적 빗소리와 폭풍우 시뮬레이터를 구현한 저장소이다. 오픈소스 · 도구 · AhmadHassan-BTed/RainGeneratorPy · Python
Key Point 게임 개발이나 멀티미디어 프로젝트에 쓸 수 있는 프로덕션급 오픈소스 시뮬레이터이며, 절차적 오디오 생성과 입자 물리 구현을 학습할 수 있다.
핵심 요약
Python, Pygame, NumPy, SciPy를 이용한 절차적 빗소리와 폭풍우 시뮬레이터를 구현한 저장소이다. 다층 패럴랙스 강우, 입자 물리 기반 수심파, 프랙탈 분기 번개 생성, 실시간 절차적 음성 합성을 지원한다. 음성 합성은 로우패스 필터링된 빗소리, 감쇠 사인파로 빗방울 영향음, 바람 속도 반응 풍음, 음속 물리 기반 천둥 지연 재생을 포함한다. 전체 요약 8문장 읽기 → 003 18:15 스타 1,578 한 서버에서 돌리는 AI 라이브 진행자 오픈소스 한 대의 서버에서 음성·얼굴·채팅·기억·포스팅을 갖춘 AI 라이브 진행자 시스템 오픈소스 공개했다. AI · 머신러닝 · jacke-pp/open-yoki · JavaScript
Key Point AI 라이브 진행자를 자신의 진행자·음성으로 구축하려는 크리에이터나 스트리머에게 완전한 오픈소스 시스템을 제공하며, 웹3·AI 커뮤니티에서 진행자 자동화 기술의 실제 구현 사례를 보여준다.
핵심 요약
한 대의 서버에서 음성·얼굴·채팅·기억·포스팅을 갖춘 AI 라이브 진행자 시스템 오픈소스 공개했다. 유저 음성을 복제한 성우와 실시간 디지털 아바타로 출연하며, 시청자 댓글을 읽고 답하고, 단골 시청자를 기억하고, 일기를 쓰고, 자동으로 포스팅하고, 정해진 일정에 방송을 시작·종료한다. 바이낸스 광장(또는 RTMP를 받는 모든 플랫폼)과 자체 웹 직방에 동시 송출되며, 헤드리스 Chrome이 16:9 화면(아바타·자막·시세 패널·선물·팔로우 감사·음악·음향 효과)을 생성하고 ffmpeg로 RTMP 푸시한다. 전체 요약 13문장 읽기 → 004 18:15 스타 2,306 Claude로 유튜브 쇼츠 만드는 무료 스킬 공개 Claude Code에서 쓸 수 있는 무료 애니메이션 단편 제작 스킬을 공개했다. 웹 · 프론트엔드 · mromidev/claude-animated-shorts · TypeScript
Key Point 직접 PC에서 고품질 애니메이션 쇼츠를 만들 수 있는 완전한 파이프라인과 학습 자료를 무료로 받을 수 있어, 창작자들이 외부 AI 동영상 생성 서비스에 의존하지 않고도 같은 수준의 결과물을 만들 수 있게 되었다.
핵심 요약
Claude Code에서 쓸 수 있는 무료 애니메이션 단편 제작 스킬을 공개했다. 55~70초 세로형 영상으로, 2D 캐릭터가 3D 세계에서 움직이는 구조다. three.js와 Remotion을 써서 자신의 PC에서 렌더링하며, AI 영상 생성 도구는 쓰지 않는다. 전체 요약 9문장 읽기 → 005 21:11 당일 +245 마이크로소프트, 음성 AI 모델 제품군 VibeVoice 공개 마이크로소프트가 오픈소스 음성 AI 모델 패밀리 VibeVoice를 공개했으며, 음성 인식(ASR)과 음성 합성(TTS) 모두 지원한다. AI · 머신러닝 · microsoft/VibeVoice · Python
Key Point 음성 인식·합성을 통합한 장시간 음성 처리의 새로운 기준을 제시하며, CPU 기반 엣지 배포부터 클라우드 추론까지 다양한 환경에서 실무 적용 가능성을 높인 기술이다.
핵심 요약
마이크로소프트가 오픈소스 음성 AI 모델 패밀리 VibeVoice를 공개했으며, 음성 인식(ASR)과 음성 합성(TTS) 모두 지원한다. 핵심 기술은 7.5Hz 초저속도의 연속 음성 토크나이저(Acoustic, Semantic)를 사용해 음질을 보존하면서도 긴 시퀀스 처리 효율을 높인다. VibeVoice-ASR은 60분 길이의 음성을 한 번에 처리하며, 화자 식별, 타임스탐프, 내용을 포함한 구조화된 전사를 생성한다. 전체 요약 11문장 읽기 → 006 21:11 당일 +108 로컬 AI 스튜디오, 설치 없이 Windows·Linux·macOS에서 실행 Portable AI Studio는 인터넷 연결 없이 로컬에서 온전히 작동하는 데스크톱 AI 스튜디오로, Windows·Linux·macOS를 지원한다. AI · 머신러닝 · techjarves/Portable-Local-Studio · JavaScript
Key Point 로컬 AI의 네 가지 핵심 기능(이미지·채팅·음성 인식·음성 합성)을 한 애플리케이션에서 설치 과정 없이 바로 사용할 수 있게 하는 새로운 접근이며, 하드웨어별 자동 가속 감지로 개발자의 수동 설정 부담을 크게 줄인다.
핵심 요약
Portable AI Studio는 인터넷 연결 없이 로컬에서 온전히 작동하는 데스크톱 AI 스튜디오로, Windows·Linux·macOS를 지원한다. 이미지 생성(Stable Diffusion), LLM 채팅(llama.cpp), 음성 인식(Whisper), 음성 합성(Kokoro TTS) 네 가지 기능을 통합한다. Node.js 런타임과 GPU 백엔드가 자체 포함돼 있어 설치나 시스템 환경 설정이 불필요하며, 사용자는 배치 파일이나 쉘 스크립트를 실행하기만 하면 된다. 전체 요약 12문장 읽기 → 007 12:11 새 버전 Ollama v0.40.13, LFM3 모델 리눅스·윈도우 지원 Ollama v0.40.13이 릴리스되었다. 오픈소스 · 도구 · ollama/ollama@v0.40.13
Key Point 로컬에서 LFM3 모델을 사용할 수 있는 환경이 크게 확대되었으므로, 오픈소스 LLM 활용 범위가 넓어졌다.
핵심 요약
Ollama v0.40.13이 릴리스되었다. Liquid AI의 LFM3 모델이 리눅스와 윈도우에서 실행 가능해졌다. lfm3-audio와 lfm3-omni 모델은 음성 합성(text-to-speech) 기능을 포함한다. 전체 요약 4문장 읽기 → 008 06:11 새 버전 Hugging Face Transformers v5.21 릴리스, 5개 신규 모델 추가 Transformers 라이브러리가 v5.21.0을 릴리스했으며, 문서 인식부터 음성 합성까지 5개 모델을 새로 지원한다. AI · 머신러닝 · huggingface/transformers@v5.21
Key Point 문서 이해, 음성 합성 등 신규 모델 5개가 추가되고 병렬 처리·양자화·캐시 처리가 크게 개선되어 LLM과 멀티모달 모델 개발자들에게 직접적인 영향이 있다.
핵심 요약
Transformers 라이브러리가 v5.21.0을 릴리스했으며, 문서 인식부터 음성 합성까지 5개 모델을 새로 지원한다. MiniCPM-OCR은 OpenBMB의 모델로 SigLIP 비전 인코더와 Qwen3.5 언어 모델을 결합해 스캔 페이지, 스크린샷, 영수증 등 텍스트 밀집 이미지를 읽는다. Flint는 Recursive의 혼합 전문가 모델로 슬라이딩 윈도우 주의(512개 토큰 범위)와 완전 주의를 결합하며, 각 희소 계층이 256개 전문가 중 6개를 라우팅한다. 전체 요약 12문장 읽기 → 009 03:11 ▲ 32 · 댓글 2 음성 합성에서 발화자와 억양 분리 제어하는 DEFINE 발표 Zero-shot TTS는 짧은 음성 샘플로 새로운 발화자를 재현할 수 있지만 발화자 정체성과 억양이 같은 샘플에 섞여 있는 문제가 있었다. AI · 머신러닝 · DEFINE: Exemplar-Guided Accent Control for Zero-Shot TTS
Key Point Zero-shot TTS에서 발화자와 억양을 독립적으로 제어하는 새로운 방식으로, 단일 모델로 학습 밖의 억양까지 처리할 수 있다는 점이 기술적 진전을 보여준다.
핵심 요약
Zero-shot TTS는 짧은 음성 샘플로 새로운 발화자를 재현할 수 있지만 발화자 정체성과 억양이 같은 샘플에 섞여 있는 문제가 있었다. DEFINE은 발화자 정체성과 목표 억양을 각각 다른 음성 샘플로 조건화해 두 요소를 분리하는 프레임워크이다. F5-TTS 기반이며 LoRA를 사용한 매개변수 효율적 적응으로 구현되었고, 짧은 억양 샘플을 조건화 공간으로 매핑하는 인코더를 학습된 억양 프로토타입으로 감독한다. 전체 요약 8문장 읽기 → 010 21:11 당일 +124 Neuro-sama 같은 AI 캐릭터를 직접 만드는 오픈소스 프로젝트 AIRI Neuro-sama 같은 자체호스팅 가능한 AI 동반자를 만드는 오픈소스 프로젝트로, TypeScript 기반 웹 기술과 네이티브 기술을 함께 사용한다. AI · 머신러닝 · moeru-ai/airi · TypeScript
Key Point Neuro-sama 같은 AI 가상 캐릭터를 누구나 직접 구축할 수 있는 완전한 오픈소스 플랫폼이 나왔고, 게임 플레이부터 음성 채팅까지 놀라운 수준의 기능을 갖추고 있다.
핵심 요약
Neuro-sama 같은 자체호스팅 가능한 AI 동반자를 만드는 오픈소스 프로젝트로, TypeScript 기반 웹 기술과 네이티브 기술을 함께 사용한다. 브라우저, macOS, Windows 데스크톱, 모바일 PWA 등 다양한 플랫폼에서 실시간 음성 채팅이 가능하며, Minecraft, Factorio, Kerbal Space Program 등 여러 게임을 플레이할 수 있다. WebGPU, WebAssembly, Web Workers 등 웹 기술로 그래픽과 레이아웃을 처리하면서도, NVIDIA CUDA와 Apple Metal을 통한 네이티브 추론으로 성능을 확보하는 하이브리드 아키텍처를 채택했다. 전체 요약 12문장 읽기 → 011 11:10 당일 +157 600개 언어 지원하는 제로샷 음성 복제 TTS 'OmniVoice' 공개 K2-FSA가 600개 이상 언어를 지원하는 다중언어 제로샷 TTS 모델 OmniVoice를 공개했다. AI · 머신러닝 · k2-fsa/OmniVoice · Python
Key Point 지금까지 가장 광범위한 언어 커버리지를 갖춘 제로샷 TTS 모델이 공개되어 다국어 음성 합성 애플리케이션 개발에 새로운 가능성을 열고 있다.
핵심 요약
K2-FSA가 600개 이상 언어를 지원하는 다중언어 제로샷 TTS 모델 OmniVoice를 공개했다. 확산 언어 모델 기반 아키텍처로 설계되어 높은 음성 품질과 빠른 추론 속도(RTF 0.025, 실시간 40배)를 제공한다. 참조 음성 클립(3~10초)으로 음성을 복제하거나 성별, 나이, 음역, 방언 등 속성으로 음성을 설계할 수 있다. 전체 요약 5문장 읽기 →