메타, 실시간 음성 '뮤즈 보이스 트랜스크라이브' 공개...단어 오류율 1위

메타가 최신 음성 인식 기술을 선보였습니다. 1일(현지 시간) 공개된 '뮤즈 보이스 트랜스크라이브(Muse Voice Transcribe)'는 실시간 음성 인식, 화자 분리, 발화 종료 감지를 하나의 통합된 모델에서 처리할 수 있는 혁신적인 시스템입니다. 이 모델은 단어 오류율(WER) 3.1%를 기록하며 스트리밍 음성 인식 분야에서 1위를 차지했으며, 속도와 정확도를 적절히 조절할 수 있는 능력을 갖추고 있습니다.

첨단 기술의 집약체

이번에 공개된 뮤즈 보이스 트랜스크라이브는 메타 슈퍼인텔리전스 랩스(MSL)가 개발한 첫 번째 실시간 오디오 인식 모델로, 자동 음성 인식(ASR) 기술을 바탕으로 하고 있습니다. 이 모델은 화자 분리(Diarization)와 발화 시점 감지(Endpointing) 기능을 동시에 수행하는 것이 특징으로, 최대 20명 이상의 화자가 참여하는 긴 대화에서도 정확한 발화 구분이 가능합니다. 1시간 이상의 긴 오디오 입력도 문제없이 처리할 수 있어 다양한 상황에서 활용할 수 있는 가능성을 보여줍니다.

뮤즈 보이스 트랜스크라이브의 가장 큰 강점 중 하나는 '적응형 지연(Adaptive Delay)' 기술입니다. 이 기술은 음성이 입력될 때마다 80밀리초 단위로 분석하여, 각 단어를 즉시 출력할지 아니면 다음 음성 구간을 기다릴지를 스스로 결정합니다. 이는 인식이 어려운 단어를 보다 많은 문맥을 확보한 후에 출력하고, 상대적으로 쉬운 단어는 신속하게 처리하는 방식으로 진행됩니다. 이러한 기술 덕분에 메타는 단순히 빠른 음성 인식이나 높은 정확도 중 하나를 선택하는 것이 아니라, 실제 최종 문장이 완성되는 시간 기준으로 최적의 속도와 정확도를 확보했습니다.

다국적 언어 지원과 고급 기능

뮤즈 보이스 트랜스크라이브는 70개 이상의 언어를 학습했으며, 초기에는 한국어, 영어, 중국어, 스페인어 등 25개 언어를 지원합니다. 특히, 언어와 특정 키워드, 대화 문맥을 활용한 바이어싱 기능을 통해 특정 단어나 표현의 인식 정확도를 높이는 기술도 제공하고 있습니다. 이는 다국적 환경에서의 활용도를 높이는 중요한 요소로 작용할 것입니다.

또한, 메타는 이 모델을 자사의 코딩 AI인 '뮤즈 코드(Muse Code)'에 통합하여 사용자가 음성으로 명령을 입력하고 다양한 작업을 실행할 수 있도록 지원합니다. 이러한 기술의 발전은 사용자의 편의성을 극대화하며, 메타의 AI 생태계를 더욱 풍부하게 만드는 데 기여할 것입니다.

미래의 음성 인식 기술

메타는 뮤즈 보이스 트랜스크라이브 모델을 통해 음성 인식 기술의 새로운 기준을 제시했습니다. 최근 AI 모델과 서비스 개발을 가속화하고 있는 메타는 이 모델을 통해 시장에서의 경쟁력을 더욱 강화할 것으로 기대됩니다. 특히, 내부 프로젝트로 알려진 '해치(Hatch)'가 '뮤즈(Muse)'라는 이름으로 출시될 계획이며, 이는 향후 다양한 소비자용 AI 에이전트 플랫폼 개발로 이어질 가능성이 큽니다.

이번 기술 공개는 메타가 음성 인식 및 오디오 처리 분야에서 차별화된 전략을 구사하고 있음을 보여줍니다. 앞으로의 발전이 어떻게 이어질지, 그리고 사용자들에게 어떤 새로운 경험을 선사할지 주목할 필요가 있습니다.