음성·로봇·디자인 AI 모델 6종 공개

미국 음성 AI 기업 라임(Rime)은 10월 29일 사람과 구별하기 어려운 대화를 목표로 한 음성 대 음성 모델 프리즘(Prism)을 출시했습니다. 음성을 텍스트로 바꿨다가 답변을 다시 음성으로 변환하는 기존 방식과 달리, 이용자의 목소리를 직접 분석해 말투와 억양, 망설임을 파악합니다. 상대방이 말을 끊으면 즉시 반응하도록 설계됐으며 응답 시작까지 약 0.57초가 걸립니다. 대화 도중 외부 도구를 호출할 수 있고, 기업 통화 데이터로 추가 학습해 업무에 맞게 조정할 수 있습니다. 라임은 강화된 음성 튜링 테스트를 통과했다고 주장했으며, 고객 상담과 전화 업무 자동화를 겨냥해 영어 API와 SDK로 제공합니다.

중국 로봇 AI 기업 포크봇(PokeBot)은 10월 29일 자연어 명령으로 호환 로봇을 조작하는 API 로보API(RoboAPI)를 공개했습니다. 자체 개발한 월드 행동 모델 포크-오로라(Poke-Aurora)가 로봇의 카메라 영상과 상태, 이용자 지시를 분석해 다음 동작을 예측합니다. 작업별 데이터를 새로 모으거나 모델을 추가 학습시키지 않고도 여러 작업을 수행하도록 설계됐습니다. 개발자는 로봇 상태와 명령을 API에 보내고 모델이 생성한 동작 정보를 받아 로봇을 움직일 수 있습니다. 미국·중국·싱가포르의 외부 연구시설에서도 실험했으며, 기술 미리보기 API를 무료로 제공하고 있습니다.

음성 AI 기업 흄AI(Hume AI)는 11월 2일 목소리와 감정, 주변 소리를 직접 분석하는 오디오 디시전 API(Audio Decision API)를 출시했습니다. 이 모델은 음성을 문자로 바꾸지 않고 질문에 대한 답을 확률로 내며, 통화에서 화난 고객이나 대화 참여자 수, 웃음과 사이렌 등을 판단합니다. 질문마다 분류 모델을 따로 만들거나 추가 학습할 필요가 없고, 예·아니요, 객관식, 점수 또는 특정 소리가 난 시간 구간으로 답합니다. 수천만 건의 인간 평가 데이터로 학습했으며 자체 실험에서 사람 평가단 평균과 70.7% 일치해 개별 평가자 일치율 56.5%를 웃돌았습니다. 10개 음성 평가 벤치마크 평균 점수는 82%, 응답 지연시간은 0.23초라고 밝혔습니다. 고객센터 통화 분석과 음성 에이전트 품질 평가에 쓸 수 있으며 체험 환경과 API 접근 신청을 제공합니다.

캔바(Canva)는 자연어로 디자인을 편집하는 비전언어모델 브러시(Brush)를 공개했습니다. 브러시는 이미지와 문구뿐 아니라 레이아웃과 구성 요소를 함께 파악해 특정 문구를 고치거나 여러 페이지를 한 번에 편집하고, 색상·분위기 변경과 프레젠테이션의 소셜미디어 콘텐츠 변환을 지원합니다. 기존 이미지 생성 AI와 달리 편집 가능한 디자인 구조를 유지하며 필요한 부분을 수정하는 데 초점을 둡니다. 오픈웨이트 모델을 바탕으로 실제 디자인 편집 데이터 후속 학습과 강화학습을 거쳤습니다. 캔바는 자체 평가에서 기존 디자인 에이전트보다 편집 속도가 최대 69% 빨라지고 작업당 비용은 46% 낮아졌다고 밝혔습니다. 일부 기능은 캔바 프로 가입자에게 제공되며 지원 범위를 확대할 예정입니다.

AI 스타트업 네이스AI(Nace AI)는 매개변수 270억 개의 멀티모달 의사결정 모델 드렉스 맥스 v1(Drex Max v1) 가중치를 공개했습니다. 텍스트·이미지·JSON 입력을 처리하고 한 번의 추론으로 최대 255개 선택지의 확률을 내며, 컨텍스트는 최대 26만2144토큰입니다. 아티피셜 애널리시스 의사결정 지수에서 64점을 기록했습니다. 애플 실리콘 맥에서 실행할 수 있는 MLX 기반 버전을 제공하고, 4비트 양자화 모델은 메모리 24GB 이상 기기에서 작동합니다. AI 에이전트의 작업 선택, 요청 분류, 정책 검사 등에 쓸 수 있으며 가중치는 오픈 RAIL-M 라이선스로 공개됐습니다.

AI 최적화 기업 언슬로스(Unsloth)는 개인 컴퓨터의 로컬 AI 모델로 웹브라우저를 조작하는 브라우저 유스(Browser Use) 기능을 공개했습니다. 오픈소스 언슬로스 데스크톱에서 모델을 실행하면 명령에 따라 웹페이지를 열고 버튼을 누르거나 양식을 작성하고 PDF를 읽을 수 있습니다. 비전 모델은 페이지 스크린샷을 분석해 작업을 수행합니다. 추론은 외부 클라우드가 아닌 개인 컴퓨터에서 처리하지만 외부 사이트 접속에는 인터넷이 필요합니다. 로그인, 양식 제출, 구매, 파일 다운로드 등 주요 작업은 이용자 승인을 받도록 했습니다. 도구 호출을 지원하는 여러 오픈소스 모델을 쓸 수 있으며 맥OS·윈도우·리눅스를 지원합니다.

미국 음성 AI 기업 라임(Rime)은 10월 29일 사람과 구별하기 어려운 대화를 목표로 한 음성 대 음성 모델 프리즘(Prism)을 출시했습니다. 음성을 텍스트로 바꿨다가 답변을 다시 음성으로 변환하는 기존 방식과 달리, 이용자의 목소리를 직접 분석해 말투와 억양, 망설임을 파악합니다. 상대방이 말을 끊으면 즉시 반응하도록 설계됐으며 응답 시작까지 약 0.57초가 걸립니다. 대화 도중 외부 도구를 호출할 수 있고, 기업 통화 데이터로 추가 학습해 업무에 맞게 조정할 수 있습니다. 라임은 강화된 음성 튜링 테스트를 통과했다고 주장했으며, 고객 상담과 전화 업무 자동화를 겨냥해 영어 API와 SDK로 제공합니다.

중국 로봇 AI 기업 포크봇(PokeBot)은 10월 29일 자연어 명령으로 호환 로봇을 조작하는 API 로보API(RoboAPI)를 공개했습니다. 자체 개발한 월드 행동 모델 포크-오로라(Poke-Aurora)가 로봇의 카메라 영상과 상태, 이용자 지시를 분석해 다음 동작을 예측합니다. 작업별 데이터를 새로 모으거나 모델을 추가 학습시키지 않고도 여러 작업을 수행하도록 설계됐습니다. 개발자는 로봇 상태와 명령을 API에 보내고 모델이 생성한 동작 정보를 받아 로봇을 움직일 수 있습니다. 미국·중국·싱가포르의 외부 연구시설에서도 실험했으며, 기술 미리보기 API를 무료로 제공하고 있습니다.

음성 AI 기업 흄AI(Hume AI)는 11월 2일 목소리와 감정, 주변 소리를 직접 분석하는 오디오 디시전 API(Audio Decision API)를 출시했습니다. 이 모델은 음성을 문자로 바꾸지 않고 질문에 대한 답을 확률로 내며, 통화에서 화난 고객이나 대화 참여자 수, 웃음과 사이렌 등을 판단합니다. 질문마다 분류 모델을 따로 만들거나 추가 학습할 필요가 없고, 예·아니요, 객관식, 점수 또는 특정 소리가 난 시간 구간으로 답합니다. 수천만 건의 인간 평가 데이터로 학습했으며 자체 실험에서 사람 평가단 평균과 70.7% 일치해 개별 평가자 일치율 56.5%를 웃돌았습니다. 10개 음성 평가 벤치마크 평균 점수는 82%, 응답 지연시간은 0.23초라고 밝혔습니다. 고객센터 통화 분석과 음성 에이전트 품질 평가에 쓸 수 있으며 체험 환경과 API 접근 신청을 제공합니다.

캔바(Canva)는 자연어로 디자인을 편집하는 비전언어모델 브러시(Brush)를 공개했습니다. 브러시는 이미지와 문구뿐 아니라 레이아웃과 구성 요소를 함께 파악해 특정 문구를 고치거나 여러 페이지를 한 번에 편집하고, 색상·분위기 변경과 프레젠테이션의 소셜미디어 콘텐츠 변환을 지원합니다. 기존 이미지 생성 AI와 달리 편집 가능한 디자인 구조를 유지하며 필요한 부분을 수정하는 데 초점을 둡니다. 오픈웨이트 모델을 바탕으로 실제 디자인 편집 데이터 후속 학습과 강화학습을 거쳤습니다. 캔바는 자체 평가에서 기존 디자인 에이전트보다 편집 속도가 최대 69% 빨라지고 작업당 비용은 46% 낮아졌다고 밝혔습니다. 일부 기능은 캔바 프로 가입자에게 제공되며 지원 범위를 확대할 예정입니다.

AI 스타트업 네이스AI(Nace AI)는 매개변수 270억 개의 멀티모달 의사결정 모델 드렉스 맥스 v1(Drex Max v1) 가중치를 공개했습니다. 텍스트·이미지·JSON 입력을 처리하고 한 번의 추론으로 최대 255개 선택지의 확률을 내며, 컨텍스트는 최대 26만2144토큰입니다. 아티피셜 애널리시스 의사결정 지수에서 64점을 기록했습니다. 애플 실리콘 맥에서 실행할 수 있는 MLX 기반 버전을 제공하고, 4비트 양자화 모델은 메모리 24GB 이상 기기에서 작동합니다. AI 에이전트의 작업 선택, 요청 분류, 정책 검사 등에 쓸 수 있으며 가중치는 오픈 RAIL-M 라이선스로 공개됐습니다.

AI 최적화 기업 언슬로스(Unsloth)는 개인 컴퓨터의 로컬 AI 모델로 웹브라우저를 조작하는 브라우저 유스(Browser Use) 기능을 공개했습니다. 오픈소스 언슬로스 데스크톱에서 모델을 실행하면 명령에 따라 웹페이지를 열고 버튼을 누르거나 양식을 작성하고 PDF를 읽을 수 있습니다. 비전 모델은 페이지 스크린샷을 분석해 작업을 수행합니다. 추론은 외부 클라우드가 아닌 개인 컴퓨터에서 처리하지만 외부 사이트 접속에는 인터넷이 필요합니다. 로그인, 양식 제출, 구매, 파일 다운로드 등 주요 작업은 이용자 승인을 받도록 했습니다. 도구 호출을 지원하는 여러 오픈소스 모델을 쓸 수 있으며 맥OS·윈도우·리눅스를 지원합니다.