Menu

Menu

Menu

[Voice AI Weekly #17] 2026년 11월 셋째 주

[Voice AI Weekly #17] 2026년 11월 셋째 주

[Voice AI Weekly #17] 2026년 11월 셋째 주

Technology

Technology

Voice AI Weekly #17 - 2026년 11월 셋째 주

이번 주 해외 음성 AI 업계에서는 STT 정확도 개선과 함께 온프레미스, 온디바이스 등 배포 방식을 넓히는 움직임이 두드러졌습니다. 마고가 주목한 다섯 가지 소식을 정리했습니다.

1. ElevenLabs, Scribe v3 공개

ElevenLabs가 11월 10일 음성인식 모델 Scribe v3와 실시간 버전인 Scribe v3 Live를 공개했습니다. 102개 언어 기준 이전 버전보다 단어 오류율(WER)을 27% 낮췄으며 가격은 기존과 동일하게 유지됩니다. 한 문장 안에서 언어가 바뀌는 발화도 끊김 없이 처리합니다. 음성합성(TTS) 중심으로 알려진 기업이 STT 영역으로 보폭을 넓힌 사례로 보이네요.

ElevenLabs 공식 블로그

2. Salesforce, 오픈 웨이트 STT SOV-Transcribe-1 공개

Salesforce가 11월 12일 오픈 웨이트 음성인식 모델 SOV-Transcribe-1을 Apache 2.0 라이선스로 공개했습니다. Whisper large-v3 인코더에 Gemma 4 LLM을 결합한 구조로 7개 언어를 지원하며, Artificial Analysis 기준 WER 2.28%를 기록해 오픈 웨이트 모델 중 1위에 올랐습니다.

Hugging Face Salesforce 블로그

3. Pipecat 1.16, 톤, 웃음, 비꼼을 읽는 오디오 분류기 추가

오픈소스 음성 에이전트 프레임워크 Pipecat이 11월 12일 1.16.0 버전을 배포했습니다. 오픈 모델 Pipecat Voice Reader를 기반으로 화자의 톤, 웃음, 비꼼, 발화 속도를 분류하는 알파 기능이 포함됐습니다. 분류된 결과는 Hume의 Audio Decisions API 출력값과 함께 매 턴 LLM으로 전달됩니다. 텍스트 전사 결과만으로는 "네, 좋네요"라는 말이 긍정인지 반어적 표현인지 구분하기 어렵습니다. 음성 신호에서 비언어적 요소를 직접 추출해 에이전트 응답에 반영하려는 시도가 본격화되고 있네요.

Pipecat GitHub 릴리스 노트

4. Google, AI Edge Gallery에 오프라인 음성인식, TTS 추가

Google이 11월 10일 AI Edge Gallery 앱에 온디바이스 음성 기능을 업데이트했습니다. 네트워크 연결 없이 100개 이상 언어의 음성인식과 21개 로케일, 8가지 음성의 TTS를 구동할 수 있는데요. 안드로이드 환경에서는 ML Kit의 GenAI 음성 API를, 그 외 플랫폼에서는 Parakeet-TDT 0.6B와 Kokoro-82M 같은 오픈 모델을 활용합니다. 주요 플랫폼이 온디바이스 음성 스택을 개발자에게 기본으로 제공하기 시작했습니다.

Google for Developers 블로그

5. Microsoft, Azure 실시간 멀티채널 STT 정식 출시

Microsoft가 Azure Speech의 실시간 멀티채널 음성인식을 정식 출시했습니다. 단일 세션에서 최대 두 개 채널을 별도로 인식해 상담사와 고객의 음성을 분리 처리할 수 있습니다. 채널마다 서로 다른 언어를 지정할 수 있으며 과금 체계는 단일 채널과 동일합니다. 컨택센터 통화 분석의 출발점은 발화자를 정확히 구분하는 데 있습니다. 채널이 명확히 분리되어야 고객 음성만을 대상으로 감정이나 스트레스 지표를 정밀하게 산출할 수 있습니다.

Microsoft Tech Community


컨택센터 음성 분석이나 온프레미스, 온디바이스 음성 AI 도입을 고민하고 계신다면 contact@holamago.com으로 편하게 문의해 주세요. 다음 주에도 마고가 고른 해외 음성 AI 소식으로 찾아오겠습니다.