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.
마이크로소프트가 Artificial Analysis 1위 MAI-Transcribe-2-Streaming과 신규 음성 모델을 출시했다.
Apple 연구진이 온라인 교사 모델과 서버 측 안정화를 결합해 ASR 연방 학습 정확도를 도메인 내 20.8%, 도메인 간 10.0% 개선했다.
Apple이 라텐트 공간 증류로 오디오 인코더를 2.8배 압축했으며, WER 오차는 1.9% 이내로 유지했다.
NVIDIA의 Parakeet 음성 인식 모델을 JVM에서 네이티브급 성능으로 실행할 수 있는 오픈소스 프로젝트가 공개됐다.
NVIDIA가 Voice Arena Diarization-Bench에서 1위를 기록한 100M 파라미터 오픈 웨이트 Nemotron 3 Diarization 모델을 공개했다.
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.
고정 메뉴 기반 IVR의 낮은 해결률을 개선하기 위해 LLM과 음성 인식을 결합한 Conversational AI가 부상하고 있다.
마이크로소프트가 자체 개발한 MAI-Transcribe-2를 공개하며 시간당 10센트의 저렴한 가격과 경쟁사 대비 5~10배 빠른 속도를 제시했다.
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.
FireRedTeam이 이해와 생성을 분리한 9B 파라미터 통합 오디오 언어 모델 FireRedAudio를 공개했다.
반복적 의사 라벨링을 적용해 만다린-영어 코드스위칭 음성 인식 정확도를 크게 높였다.
Microsoft가 MAI Playground에서 실시간 양방향 음성 모델 MAI Realtime을 시험하고 있다.
엣지 CPU 환경에 최적화된 초경량 음성 인식 모델 VibeVoice-ASR-BitNet이 공개되었습니다.
음성 기반 AI 기술의 발전과 성능 평가를 결정짓는 핵심 요소인 벤치마크 데이터셋의 역할과 국내외 현황을 분석한다.
Hume AI가 음성 AI의 감정 이해 및 자연스러움을 평가하는 새로운 벤치마크 Real World VoiceEQ를 출시했다.
Apple의 새로운 SpeechAnalyzer API가 Whisper 모델보다 높은 정확도와 빠른 속도를 기록하며 온디바이스 음성 인식 성능을 압도했다.
음성 전사, 화자 분리, 타임스탬프 생성을 한 번에 수행하는 0.9B 규모의 오디오 이해 모델이 공개되었습니다.
AED 모델이 긴 오디오를 처리할 때 발생하는 위치 정보 상실 문제를 해결하기 위한 네 가지 개선 방안을 제안한다.