OpenAI 엔지니어링팀이 턴 감지기를 제거하는 풀듀플렉스 음성 시스템인 GPT-Live를 개발
OpenAI는 청취와 발화를 동시에 수행할 수 있는 풀듀플렉스 모델을 사용하여 전통적인 턴 감지기를 제거한 3세대 음성 시스템인 GPT-Live를 출시했습니다. 이 아키텍처는 실시간 성능에 최적화된 새로운 시스템 설계를 통해 낮은 지연 시간을 유지하면서 더 즉각적이고 자연스러운 대화를 가능하게 합니다.
xAI, 향상된 음성 추론 및 전사 정확도를 갖춘 Grok Voice Think Fast 2.0 출시
xAI는 지능, 전사 정확도, 대화 능력을 강화하기 위해 설계된 차세대 음성-음성 음성 모델인 Grok Voice Think Fast 2.0을 발표했습니다. 이번 업데이트는 기존 전작을 기반으로 음성 추론, 대화 능력, 도구 사용 신뢰성에서 의미 있는 개선을 도입했습니다.
Google, Flow Music에서 음악성과 보컬 향상된 Lyria 3.5 출시
Google은 사용자가 더 풍부한 트랙을 더 많은 창의적 제어 하에 생성할 수 있도록 Google Flow Music 내에서 최신 음악 생성 모델인 Lyria 3.5를 출시했습니다.
OpenAI, 풀듀플렉스 음성 모델 출시 및 독일 법원이 AI 오버뷰에 대해 구글을 책임 있게 판결
OpenAI는 재구축된 ChatGPT Voice를 지원하기 위해 GPT-Live-1과 GPT-Live-1 mini를 출시했으며, 이는 동시 청취와 발화가 가능한 풀듀플렉스 오디오 처리를 도입했습니다. 이 시스템은 복잡한 쿼리를 GPT-5.5와 같은 백그라운드 추론 모델에 위임하여, 더 깊은 사고가 진행되는 동안에도 지속적인 대화를 가능하게 합니다.
llama.cpp b10369, pocket-tts 지원 추가 및 CUDA 생성 80% 가속
llama.cpp 프로젝트가 빌드 b10369를 출시하여 pocket-tts 텍스트 음성 변환 모델에 대한 지원을 도입했습니다. 이 업데이트에는 성능 최적화를 위해 GEMM과 col2im을 사용한 전치 컨볼루션의 새로운 구현이 포함되어 있습니다.
NVIDIA Magpie TTS 아랍어, 한국어 추가 및 품질 개선
NVIDIA는 Magpie 다국어 TTS 모델의 업데이트를 출시하여 현대 표준 아랍어, 한국어, 브라질 포르투갈어를 추가해 총 12개 언어로 지원을 확대했습니다. 이번 릴리스는 업데이트된 학습 데이터와 아키텍처 변경을 통해 기존 언어 전반에 걸쳐 품질을 개선했습니다.
NVIDIA, ~450ms 턴테이킹을 지원하는 오픈 풀듀플렉스 음성-음성 모델 NemotronLabs VoiceChat 11B 출시
NVIDIA는 실시간 풀듀플렉스 대화를 위해 설계된 오픈 11B 파라미터 엔드투엔드 음성-음성 모델인 NemotronLabs VoiceChat 11B를 출시했습니다. ASR, LLM 및 TTS를 체이닝하는 캐스케이디드 스택과 달리, 이 통합 네트워크는 스트리밍 음성을 동시에 이해하고 생성하며, Full-Duplex-Bench 1.0에서 측정된 부드러운 턴테이킹 지연시간은 448ms입니다.
llama.cpp b10270이 Qwen3-TTS 지원을 추가하고 llama-tts에 파괴적 변경을 도입
llama.cpp 프로젝트는 버전 b10270을 출시하여 Qwen3-TTS 모델에 대한 지원을 도입했습니다. 이 업데이트에는 llama-tts 바이너리에 대한 파괴적 변경 사항이 포함되어 있으며, 새로운 텍스트 음성 변환 워크플로우를 처리하기 위해 중요한 아키텍처 수정이 구현되었습니다.
NVIDIA, Hugging Face에 NemotronLabs-VoiceChat-11B 모델 출시
NVIDIA가 Hugging Face에 NemotronLabs-VoiceChat-11B 음성 채팅 모델을 출시했습니다. 저장소는 풀 듀플렉스 통신 기능을 지원한다고 설명되어 있습니다.
OpenGauntlet이 168개 TTS 및 106개 STT 시스템의 카탈로그 게시
한 연구자가 OpenGauntlet 연구 카탈로그를 게시했습니다. 이는 168개의 텍스트 음성 변환(TTS) 시스템과 106개의 음성 텍스트 변환(STT) 시스템에 대한 정보를 포함하는 공개 리소스입니다. 디렉토리에는 오픈 및 호스팅 모델, 라이선스, 하드웨어 요구 사항, 언어, 기능, 수명 주기 상태, 소스 정보 및 사용 가능한 경우 게시된 벤치마크 데이터가 포함되어 있습니다.
PolyAI, 오디오 네이티브 대화 모델 Dialog-RSN-1 출시
PolyAI는 트랜스크립트에 의존하는 대신 발신자 오디오를 직접 처리하는 대화 모델인 Dialog-RSN-1을 소개했습니다. 이 모델은 턴 테이킹, 음성 인식, 함수 호출 및 응답 생성을 단일 오디오 인식 시스템으로 통합합니다.
알리바바 퉁이 연구소, Qwen-Audio-3.0-TTS를 Flash 및 Plus 등급으로 출시
알리바바의 퉁이 연구소는 두 가지 변형 버전으로 제공되는 호스팅 텍스트 음성 변환 시스템인 Qwen-Audio-3.0-TTS를 출시했습니다: 실시간 상호작용을 위한 Flash와 고품질 생성을 위한 Plus. 두 등급 모두 다운로드 가능한 가중치 대신 알리바바 클라우드 모델 스튜디오를 통해 제공됩니다.
NymphTech, AI 라디오 네트워크를 위한 최첨단 음성 클로닝 모색
NymphTech은 여러 언어와 장편 방송을 목표로 하여 AI 라디오 스테이션 네트워크를 강화하기 위해 고급 음성 클로닝 및 음성 합성 모델에 대한 권장 사항을 찾고 있습니다. 이 회사는 이미 Trinity와 Mark와 같은 지속적 AI 캐릭터를 특징으로 하는 플랫폼을 출시했으며, Trinity는 6월 9일 이후 지속적으로 방송해 왔습니다.