전체 AI 소식

이지성화, 90년대생이 최전선에 나서다

한 차례의 조직 재구성 1990년, 열일곱 살의 이과 학생 한 명이 중요한 결정을 내렸다. 그는 칭화대학교 자동차공학 전공으로의 추천 입학 기회를 포기하고, 중국과학기술대학교에서 음성합성 기술을 전공하기로 선택했다. 9년 뒤, 그와 십여 명의 과기대 학생들이 설립한 ‘차고....’

X-더빙: 시간적 및 시각적 제약 하에서의 음성 대 음성 번역

arXiv:2610.32042v1 발표 유형: 신규 초록: 다국어 더빙은 원본 영상과 동기화된 상태로 유지되도록, 소스 음성 언어를 목표 언어의 음성으로 변환하는 것을 목표로 합니다. 이 작업의 핵심은 소스의 시간적 흐름 내에서 자연스럽게 발화 가능한 충실한 번역을 생성하는 데 있으며, 이는 언어마다 지속시간, 리듬, 조음 방식이 서로 다르기 때문에 결코 간단하지 않습니다. 본 논문에서는 이 과제를 시간 인식 기반 음성-텍스트 번역과 영상 인식 기반 텍스트-음성 변환의 복합 문제로 정식화한 X-Dubbing을 제안합니다. 구체적으로, 우리 방법은 시간 구조화된 대본을 생성하는 더빙 트랜스레이터와 이를 소스 영상과 동기 있게 구현하는 보이스 액터로 구성되며, 두 모듈 모두 언어에 독립적인 시간 예산에 기반하고 있습니다. 또한 우리는 트랜스레이터를 더욱 정교화하여 더빙…

아폴로 수석 경제학자는 AI가 기술 산업 외의 미국 기업들에 대해 “재무적 수익이 전혀 없다”고 밝혔다.

아폴로 글로벌 매니지먼트의 수석 이코노미스트 토르스텐 슬록은 S&P 493(스탠더드 앤드 푸어스 500에서 7대 기술 대기업을 제외한 지수)을 분석한 결과, 비기술 기업의 이익 마진이 1인당 매출과 동등하며, AI가 생산성을 높였다는 증거는 없다고 밝혔다. 그는 AI가 책임성, 신뢰, 기업 문화 등 비즈니스의 핵심 요소에 대한 이해가 부족하기 때문에 아직 재무적 성과를 창출하지 못했다고 지적했다.

추천 이유：이 주장은 주요 상장 기업 그룹(S&P 493)에 대한 실증적 관찰에 근거하며, 명확한 데이터 범위와 제한 조건을 언급하고(Alphabet, Amazon 등 7개의 기술 기업은 제외), 최근 여러 연구의 결론과도 부합하여 검증 가능한 분석 틀과 명확한 인과관계의 경계를 갖추고 있다.

아마존 세이지메이커가 코코로-82M TTS 모델을 출시하여, AI 음성 에이전트의 저지연 스트리밍 음성 합성을 지원합니다.

AWS는 SageMaker에서 호스팅되는 Kokoro-82M 텍스트 음성 변환 모델을 활용한 기술 솔루션을 발표했으며, 양방향 WebSocket을 통해 AI 에이전트가 텍스트를 생성하는 동시에 음성을 합성함으로써 엔드투엔드 음성 응답 지연 시간을 크게 단축했습니다. 이 솔루션은 Base64-SSE와 통합 바이너리 전송이라는 두 가지 오디오 피드백 방식을 제공하며, ‘가치 검증형’(proof-of-value)으로 명시되어 아직 생산 준비 상태에 이르지 않았습니다.

Amazon SageMaker TTS 서비스는 측정 기반 자동 확장 및 축소를 구현합니다: Kokoro-82M 모델을 예로 들어 보겠습니다.

AWS 블로그는 텍스트 음성 변환(TTS) 모델을 SageMaker 실시간 엔드포인트에 배포할 때, 경험적 추측을 지양하고 두 가지 실제 측정 지표인 Q_max(단일 인스턴스의 최대 지속 가능한 동시 요청 수)와 T_total(계획된 확장·축소 소요 시간)을 기반으로 한 재현 가능하고 검증 가능한 확장·축소 전략을 소개합니다.

IBM, Granite Speech 5.0 시리즈 음성 모델 출시: 다국어 음성 문자 변환 및 번역, 화자 식별 기능 지원

IBM은 Granite Speech 5.0 시리즈의 세 가지 오픈소스 음성 모델—granite-speech-5.0-2b(고정확도 다국어 ASR/MT), granite-speech-5.0-470m-turboctc(초고속 엣지 기반 다국어 음성 전사) 및 업데이트된 granite-speech-4.1-2b-plus(향상된 다화자 대화 모델링)—를 출시했습니다. 이들 모두는 Apache 2.0 라이선스 하에 제공되며, 주요 추론 프레임워크를 지원합니다.

미스트랄, Voxtral 3 음성 지능형 에이전트 SDK 출시: 50여 개 언어의 실시간 음성 상호작용과 감성형 TTS 지원

Mistral은 2026년 10월 26일 이전에 Voxtral 3를 출시할 예정이며, 이는 다국어 실시간 음성 상호작용을 위한 엔드투엔드 SDK 및 모델 패밀리로, ASR(화자 분리 기능 포함), 추론 계층, TTS 등 세 가지 주요 모듈을 포괄합니다. 데이터 주권과 모듈식 배포를 강조하지만, 모든 성능 관련 주장은 제조사 자체 테스트에 근거한 것으로, 독립적인 제3자 검증은 이루어지지 않았습니다.

Gemini 3.8 text-to-speech says hello

Gemini 3.8 text-to-speech says hello

Low-Latency Multilingual Voice Agents 구축: Open Weights & Full Deployment Control with NVIDIA Magpie TTS

Low-Latency Multilingual Voice Agents 구축: Open Weights & Full Deployment Control with NVIDIA Magpie TTS

Gemini 3.1 Flash TTS: the next generation of expressive AI speech

Our newest audio model introduces granular audio tags that give you precise control to direct AI speech for expressive audio generation.