TTS | 서소영의 서재

짙은 하늘색 배경 위에 분홍색 쉼표 모양 기호 수십 개가 흩날리듯 그려진 Microsoft AI 발표문의 대표 이미지. 왼쪽의 기호는 크고 오른쪽으로 갈수록 작아진다.

Our first streaming transcription model debuts at no. 1 on Artificial Analysis

Microsoft AI가 첫 스트리밍 음성 인식 모델 MAI-Transcribe-2-Streaming과 음성 합성 모델 MAI-Voice-2.1, MAI-Voice-2.1-Flash를 공개했다. 전사 모델은 Artificial Analysis 스트리밍 순위표의 38개 모델 중 오류율 2.51%로 1위이고, 발화가 끝난 뒤 0.13초 만에 최종 전사를 내놓는다.

하늘색 그라데이션 배경 가운데에 'Introducing Gemini 3.8 Flash TTS and 3.8 Flash-Lite TTS'라는 문구가 적혀 있고, 그 아래에 Gemini의 네 꼭짓점 별 로고가 있는 구글 공식 발표 이미지

Gemini 3.8 Flash TTS and Gemini 3.8 Flash-Lite TTS

구글이 텍스트를 음성으로 바꾸는 모델 두 종을 공개했다. 3.8 Flash TTS로는 목소리를 새로 설계하고 대사마다 연기를 지시할 수 있고, 3.8 Flash-Lite TTS는 대량 생산을 위해 단가를 낮췄다. 발표문과 모델 카드, 평가 방법론 문서, API 문서와 가격표로 확인한 내용을 정리했다.