AI Briefing#asr
#asr와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#asr와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
Salesforce가 오픈웨이트 ASR 모델 SOV-Transcribe-1을 출시했다.
DeepSeek API가 V4.1-Flash로 웹 검색과 파일 처리 기능을 지원한다.
NetEase Youdao가 Qwen3-ASR 기반 저지연 스트리밍 ASR 모델 Confucius4-R2T2를 출시했다.
Eleven v4 Turbo가 9층 Voice AI 스택 기반 리더보드 1위를 차지했다
ElevenLabs 가이드가 STT 오류 원인을 분석하고 16 kHz 녹음 및 WER 측정 등 해결책을 제시했다
NVIDIA가 40개 언어를 지원하는 Nemotron 3.5 Transcribe를 오픈소스로 공개했다.
Izwi 0.1.0가 Python 없이 로컬 음성 AI를 지원하는 오픈소스 데스크톱 앱을 출시했다.
TYGER가 250ms 지연의 오픈 웨이트 ASR을 공개하고 Gemma 4 E4B 및 VoxCPM2와 통합했다.
ElevenLabs Scribe가 단어 단위 타임스탬프와 이벤트 태깅을 지원하는 구조화된 전사 API를 공개했다.
Apple 연구진이 온라인 교사 모델과 서버 측 안정화를 결합해 ASR 연방 학습 정확도를 도메인 내 20.8%, 도메인 간 10.0% 개선했다.
NVIDIA가 Voice Arena Diarization-Bench에서 1위를 기록한 100M 파라미터 오픈 웨이트 Nemotron 3 Diarization 모델을 공개했다.
ElevenLabs가 임상 오디오에 최적화된 Scribe v2 Medical을 정식 출시하며 의료 ASR 정확도를 대폭 개선했다.
ElevenLabs가 의료 음성 인식 특화 모델 Scribe v2 Medical을 공개해 임상 오디오 WER을 18% 개선했다.
Wispr Advanced Interfaces Lab이 GRPO 강화 학습을 적용해 실시간 전사 환경에서 낮은 단어 오류율(WER)을 달성한 음성 모델 'Canto'를 공개했다.
NVIDIA Parakeet TDT를 기반으로 한 25개 언어 지원 ASR 모델 Orukeet이 공개되어 평균 WER를 10.6% 개선했다.
마이크로소프트가 60개 언어를 지원하고 1시간 분량 오디오를 10초 만에 전사하는 MAI-Transcribe-2를 공개했다.
로컬에서 음성 클론, 영상 더빙, 전사를 수행하는 오픈소스 도구 VoiceStudio가 공개되었다.
Meta가 실시간 스트리밍 ASR 모델 'Muse Voice Transcribe'를 공개하며 WER 3.1%로 벤치마크 1위를 기록했다.
Hugging Face가 글로벌 사우스 언어를 위해 힌디어와 인도 영어 음성 인식 평가 데이터셋 Monsoon을 공개했다.
로컬 오디오 AI 프레임워크 audio.cpp 0.7이 62개 모델 패밀리와 비교용 Arena UI를 지원하며 공개됐다.