Voice AI Weekly #6 - 2026년 8월 셋째 주
지난 한 주 해외 음성 AI 업계에서는 대화 중간에 끼어드는 상황을 얼마나 자연스럽게 처리하느냐와, 음성 기술을 실제 업무 시스템에 얼마나 깊이 붙이느냐가 화두였는데요. 관련한 다섯 가지 소식을 정리했습니다.
1. Deepgram, 대화형 TTS 'Flux'를 에이전트 기본 음성으로 전환
8월 12일 딥그램이 대화 특화 음성합성 모델 Flux TTS를 정식 출시했습니다. Voice Agent API에서 별도 설정 없이 기본 음성 엔진으로 바뀌었고, 사용자가 말하는 도중 끼어들면 상담이 어디까지 전달됐고 어디부터 남았는지 정확히 알려주는 기능, 재연결 없이 말하는 속도를 즉시 바꾸는 기능이 새로 들어갔습니다.
컨택센터에서는 고객이 상담 도중 말을 끊는 상황이 흔한데요. 그 순간을 얼마나 매끄럽게 처리하느냐가 실제 통화 품질의 만족도를 결정합니다. 따라서 대화의 맥락을 있는 그대로 반영하는 TTS 엔진이 하나둘 늘고 있네요.
출처 Flux TTS is generally available, and is now the default agent voice
2. Cartesia, Sonic-3.6로 음성·전사 두 부문 동시 1위
8월 18일 Cartesia가 신형 음성합성 모델 Sonic-3.6을 공개했습니다. 지난 6월 내놓은 전사 모델 Ink-2와 함께 Artificial Analysis의 스피치, 전사 두 아레나에서 모두 1위를 차지했다고 밝혔는데요. TTS 지연시간은 90밀리초 이하, 전사 지연시간은 100밀리초 수준이고 자체 턴 감지 기능도 내장했습니다.
음성합성과 음성인식을 하나의 스택으로 묶어 지연시간을 줄이는 경쟁이 밀리초 단위로 좁혀지고 있습니다.
출처 Cartesia | Introducing Sonic-3.6 and Ink-2
3. PolyAI, 병원 시스템 Epic과 직접 연동해 예약 통화 자동화
8월 18일 PolyAI가 전자의무기록 시스템 Epic과 다이렉트 연동을 발표했습니다. 치과, 의료기관 1,100곳 이상을 운영하는 PDS Health가 먼저 도입했는데요. 중간 미들웨어 없이 각 병원의 Epic 환경에 직접 붙는 구조라 지연시간이 줄고, 장애가 발생해도 원인을 훨씬 빠르게 찾을 수 있다고 합니다.
헬스케어 컨택센터는 예약 변경이나 처방전 확인처럼 반복적이면서도 정확해야 하는 통화가 많습니다. Epic 같은 핵심 업무 시스템과 직접 연동하는 구조가 이 영역에서는 점점 기본이 되어가는 모습이네요.
출처 PolyAI launches direct integration with Epic, with PDS Health among the first to deploy at scale
4. 엔비디아, 오픈소스 동시 양방향 음성 모델 'NemotronLabs VoiceChat' 공개
8월 9일 엔비디아가 오픈소스 풀듀플렉스(Full-Duplex, 동시 양방향) 음성 모델인 'NemotronLabs VoiceChat 11B'를 내놓았습니다. 기존처럼 음성인식(STT), 언어모델(LLM), 음성합성(TTS)을 따로 이어 붙이는 대신, 단일 모델이 듣기와 말하기를 동시에 처리하는 구조입니다.
턴 전환 지연 시간은 448ms 수준이고, 사용자가 말을 끊고 끼어들었을 때 대화를 받아치는 속도도 480ms 이내로 꽤 빠릅니다. 대화 중간에 외부 도구를 불러오느라 생기는 정적을 미리 정해둔 안내 멘트로 자연스럽게 채우는 기능도 들어갔습니다.
다만 가중치만 공개했을 뿐 '연구용'으로 제한해 뒀고, 80GB급 GPU가 필요한 데다 상용 API도 아직 없습니다. 당장 서비스에 붙이기는 어렵지만, 풀듀플렉스 처리와 실시간 도구 호출을 단일 오픈소스 모델로 구현해 보여줬다는 점에서 자체 인프라로 음성 에이전트를 만드는 팀들에겐 괜찮은 참고 자료가 될 수 있습니다.
5. Sarvam AI, 엔비디아 주도로 7,500만 달러 추가 유치
인도 음성 AI 기업 Sarvam AI가 8월 4일 엔비디아가 주도하는 시리즈B 확장 라운드로 7,500만 달러를 조달했다고 밝혔습니다. 엔비디아가 인도 AI 기업에 전략적 투자자로 참여한 것은 이번이 처음인데요. Sarvam은 다국어 음성 에이전트로 인도 농림부의 농민 1,700만 명 데이터를 수집했고, 한 보험사의 정책 갱신 안내도 4,500만 명 규모로 진행한 이력이 있습니다.
자원이 상대적으로 적은 언어권에 음성 AI를 붙이려면 결국 그 언어와 도메인에 맞춘 미세조정이 필요합니다. 다국어, 저자원 언어 음성 AI에 대형 투자가 몰리는 흐름은 이 수요가 계속 커지고 있다는 신호로 보이네요
오픈소스든 상용이든 흐름은 비슷합니다. 대답 속도를 얼마나 줄이느냐, 그리고 기존 시스템에 얼마나 잘 맞물리느냐로 경쟁이 맞붙는 것으로 보입니다.
궁금한 소식이 있거나 마고의 감정인식, 온프레미스 솔루션에 대해 더 알고 싶다면 contact@holamago.com으로 편하게 문의해주세요. 다음 주에도 새로운 소식으로 찾아오겠습니다.