메타, 실시간 음성인식 모델 '뮤즈 보이스 트랜스크라이브' 공개

본문

[디지털투데이 최재원 기자] 메타가 실시간으로 음성을 받아쓰면서 화자까지 구분하는 AI 모델 '뮤즈 보이스 트랜스크라이브'(Muse Voice Transcribe)를 지난 1일(이하 현지시간) 공개했다. 20명 이상의 대화를 처리하고 한국어를 포함한 다국어와 언어가 뒤섞인 대화도 인식하는 것이 특징이다.트랜스크라이브는 메타 슈퍼인텔리전스 랩스(MSL)가 개발한 첫 실시간 오디오 인식 모델이다. 멀티모달 추론 모델 '뮤즈 스파크' 계열의 자기회귀 모델로, 실시간 자동음성인식(ASR)과 화자 분리, 발화 종료 감지를 하나의 모델에서 처 트랜스크라이브는 메타 슈퍼인텔리전스 랩스(MSL)가 개발한 첫 실시간 오디오 인식 모델이다. 멀티모달 추론 모델 '뮤즈 스파크' 계열의 자기회귀 모델로, 실시간 자동음성인식(ASR)과 화자 분리, 발화 종료 감지를 하나의 모델에서 처리한다.

모델이 단어의 난도에 따라 더 많은 음성을 들을지 즉시 문자로 변환할지를 결정하는 적응형 지연 기술을 적용해 정확도와 응답속도의 균형을 맞췄다.

메타에 따르면 아티피셜 애널리시스(Artificial Analysis)의 스트리밍 음성인식 평가에서 최종 전사 단어오류율(WER) 3.1%를 기록해 이날 기준 1위에 올랐다. 메타 모델 API(Meta Model API) 이용료는 음성 1시간당 0.18달러(약 245원), 1000분당 3달러(약 4100원)다. 아티피셜 애널리시스가 비교한 주요 실시간 음성인식 모델 가운데 낮은 수준이다. 이 가운데 한국어와 영어, 일본어, 중국어, 스페인어 등 25개 언어는 광범위한 검증을 거쳤다. 1시간이 넘는 장시간 음성과 20명 이상의 화자가 참여하는 대화도 별도의 후처리 없이 다룰 수 있다. 이에 따라 회의록 작성이나 인터뷰, 강의, 콜센터 등 다수의 화자가 등장하는 환경에서 활용도가 높을 것으로 예상된다.

뮤즈 보이스 트랜스크라이브는 현재 메타 모델 API와 맥용 메타 AI(Meta AI), AI 코딩 도구 뮤즈 코드(Muse Code)에서 이용할 수 있다.