ElevenLabs, 1시간 오디오를 1초 만에 정렬하는 Cue 출시

ElevenLabs가 오디오 파일 내 모든 문자를 정밀한 타임라인에 배치하는 강제 정렬(forced alignment) 모델 Cue를 출시함. Scribe 모델 패밀리와 Forced Alignment API의 기반이 됨
프로덕션 GPU에서 1시간 분량의 오디오를 1초 미만으로 정렬함. 다음으로 빠른 도구(Qwen3-ForcedAligner)는 약 2초, 가장 느린 도구는 1분 이상 소요됨
실제 녹음 데이터에서 29개 벤치마크 언어 기준 평균 타이밍 오차가 179ms로, 283ms에서 6,000ms 이상인 오픈소스 도구들을 모두 능가함
단일 패스로任意 길이의 녹음을 처리하여, 장시간 파일을 분할할 때 발생하는 누적 타이밍 오차를 방지함
단일 모델로 90개 이상의 벤치마크 언어를 지원함. 대부분의 경쟁사는 언어별 별도 모델이 필요함
JamendoLyrics MultiLang 데이터셋을 활용한 음악 정렬 테스트에서 영어, 프랑스어, 스페인어, 독일어 기준 단어의 92.7%가 레이블 기준 0.3초 이내에 배치됨. 다음으로 좋은 도구는 82.0%였음
조지아어 등 저자원 언어의 성능 문제를 고객 피드백 접수 후 24시간 이내에 새로운 모델 버전 훈련 및 배포로 해결함

핵심 내용