마이크로소프트, 음성 AI 모델 제품군 VibeVoice 공개
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.
저장소 보기 ↗github.com