AI Briefing#speech-recognition
#speech-recognition와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#speech-recognition와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
Salesforce가 오픈웨이트 ASR 모델 SOV-Transcribe-1을 출시했다.
Adventists AI가 0.31초 지연의 오픈 풀듀플렉스 음성 모델 Sophon-Realtime v1을 공개했다.
NetEase Youdao가 Qwen3-ASR 기반 저지연 스트리밍 ASR 모델 Confucius4-R2T2를 출시했다.
Liva AI가 이집트와 나이지리아 억양 데이터를 Open ASR Leaderboard에 추가했다
llama.cpp가 40개 언어를 지원하는 Nemotron 3.5 Transcribe 모델을 지원한다.
balbal-v2-manas가 Mu-Bench TR에서 2위를 차지하며 Gemini와 ElevenLabs를 앞섰다.
Apple 음성 API를 재구현해 오픈 모델을 사용할 수 있게 하는 Swift 패키지 AnySpeechRecognizer와 결정 모델용 AnyDecisionModel이 공개됐다.
NVIDIA가 40개 언어를 지원하는 Nemotron 3.5 Transcribe를 오픈소스로 공개했다.
ServiceNow가 Gemma 4 기반 오픈 모델 Apriel Voice 27B Preview를 출시했다
IBM이 Granite Switch 4.1.1을 출시해 베이스 모델 재계산 없이 어댑터를 업데이트했다.
Hugging Face가 Apple 플랫폼용 로컬 음성 및 의사결정 AI Swift 패키지를 출시했다.
NVIDIA가 40개 언어를 지원하는 Nemotron 3.5 Transcribe를 공개했다.
inclusionAI가 9.3B 파라미터의 Ming-3.0-audio-tiny 오디오 모델을 출시했다
inclusionAI가 126B MoE 오디오 모델 Ming-3.0-audio-flash를 MIT 라이선스로 공개했다
TYGER가 250ms 지연의 오픈 웨이트 ASR을 공개하고 Gemma 4 E4B 및 VoxCPM2와 통합했다.
Apple 연구진이 Whisper-small 인코더로 14개 언어 쌍에서 F1 0.798의 코드 스위칭 감지 기법을 제안했다.
VAD는 오디오 프레임을 실시간으로 분류해 음성 인식과 통화 효율성을 높인다.
Neuphonic이 음성에서 도구 호출로 변환하는 43 MB 오픈소스 모델 NeuDecide를 공개했다.
TII가 아랍어 WER 20.92%를 달성한 16억 파라미터 음성 인식 모델 Falcon-ASR을 공개했다.
Cactus Compute가 16.9MB 온디바이스 음성 인식 모델 Whistle을 공개했다.
Apple Research가 언어 구별 강화로 다국어 음성 모델의 성능 격차를 줄였다.