태그: #tts
GPU·LLM·MLOps·쿠버네티스, 그리고 마음가짐에 관한 글 · 9 편
tts-bench: 품질이 주관적일 때 로컬 TTS를 비교하는 법
tts-bench는 개발자 5uck1ess가 만든 로컬 벤치마크로, 손에 있는 하드웨어에서 55개 TTS 모델을 비교한다. 평가를 세 렌즈로 나눈다. 속도(TTFA·RTF·메모리), 청취(모든 모델을 귀로 판단), 점수(UTMOS·WER·SIM)다. 가장 흥미로운 건 주관성에 대한 정직함이다. "가장 좋게 들리는" 단일 점수는 없다. 품질은 당신의 귀와 용도에 달렸기 때문이다. 이 글은 이
2026-07-11 · 10 분 읽기 #tts#text-to-speech#benchmark#local-ai#evaluation음성 AI & TTS 2026 완벽 가이드 - ElevenLabs · Cartesia Sonic · OpenAI Voice · Play.HT · Hume · Sesame · Fish Audio · Deepgram Aura 심층 분석
2026년의 음성 AI는 STT → LLM → TTS 파이프라인이 끝나고, 풀듀플렉스 실시간 음성 에이전트가 표준이 된 해다. ElevenLabs v3가 다국어·감정 TTS의 왕좌를 지키는 동안, Cartesia Sonic은 75ms TTFW로 LiveKit Agents의 기본 TTS가 됐고, OpenAI Realtime API · Google Gemini Live · Anthropic Cl
2026-05-16 · 28 분 읽기 #voice-ai#tts#elevenlabs#cartesia#openai-voice음성 AI 2026 — ElevenLabs / Cartesia / Sesame / Whisper Turbo / Deepgram / Parakeet 심층 가이드
2024년 10월 Whisper Large v3 Turbo가 8배 빨라지고, Cartesia가 Mamba 저자들 손으로 90ms TTS를 만들고, Sesame의 Brendan Iribe가 "voice presence"를 들고 나오면서 2026년 음성 AI는 TTS·STT·실시간 에이전트 세 축이 모두 폭발했다. ElevenLabs V3부터 NVIDIA Parakeet 1.1, VOICEVOX
2026-05-15 · 36 분 읽기 #voice-ai#tts#stt#asr#elevenlabsAI 음성 2026 — ElevenLabs · OpenAI Realtime · Cartesia · Vapi · Sesame · Deepgram, 보이스 에이전트 스택의 현재
생성형 미디어 4부작의 마지막 — 음악, 이미지, 비디오에 이어 음성이다. 2026년의 AI 음성 풍경을 정직하게 정리한다. ElevenLabs(보이스 클로닝과 Conversational AI), OpenAI Realtime(WebRTC 기반 음성-인-음성-아웃), Cartesia Sonic-2(최저 지연 TTS), Vapi(보이스 에이전트 플랫폼), Sesame(개성 있는 대화 모델), D
2026-05-14 · 54 분 읽기 #ai-voice#elevenlabs#openai-realtime#cartesia#vapiVoice AI 실전 완전 가이드: 실시간 STT/TTS, 음성 LLM, Turn-taking, 딥페이크 방어 (2025)
"화면 없는 AI"가 2025년의 가장 뜨거운 제품 범주가 된 이유. 실시간 음성 파이프라인(VAD/STT/LLM/TTS), 음성 LLM(GPT-4o realtime/Gemini Live/Moshi), Turn-taking과 인터럽션, 감정·억양 제어, 전화·브라우저·모바일 실전, 딥페이크 방어와 보안, 한국어 음성 제품의 특수성까지.
2026-04-15 · 17 분 읽기 #voice-ai#stt#tts#gpt-4o-realtime#moshi음성 & 오디오 AI 완전 정복: Whisper, TTS, 화자 인식, 음악 생성까지
MFCC/Mel spectrogram 오디오 특징 추출, Whisper ASR, FastSpeech2/VITS TTS, pyannote 화자 분리, MusicGen 음악 생성까지 음성 AI 완전 가이드입니다.
2026-03-17 · 22 분 읽기 #voice-ai#whisper#tts#화자인식#musicgen음성 챗봇 구축 가이드: STT/TTS 파이프라인과 실시간 음성 인터페이스 구현
음성 챗봇 구축의 모든 것. Whisper STT, TTS 엔진 비교, 실시간 음성 스트리밍 아키텍처, WebSocket 기반 양방향 통신, LLM 연동, 지연 시간 최적화와 프로덕션 운영 가이드까지 다룹니다.
2026-03-08 · 43 분 읽기 #chatbot#voice#stt#tts#speech-recognition오픈소스 실시간 대화형 음성 챗봇 구축 가이드: Barge-In(응답 중단) 지원 아키텍처와 구현
오픈소스만으로 실시간 음성 챗봇을 구현하는 종합 가이드. Silero VAD, faster-whisper, Ollama, Piper TTS를 조합한 파이프라인에 barge-in(사용자 발화 시 즉시 응답 중단) 기능을 구현하는 상태머신 설계, Python 예시 코드, 지연시간 최적화, 한국어 품질 개선 팁까지 다룹니다.
2026-03-08 · 34 분 읽기 #ai-platform#voice-chatbot#barge-in#realtime-audio#stttorchaudio 완전 가이드 — 오디오 처리부터 음성인식, TTS, 음악 분석까지
torchaudio로 오디오 로드, 스펙트로그램 변환, Mel 필터뱅크, MFCC, 음성인식(Wav2Vec2/Whisper), TTS, 화자 분리, 노이즈 제거까지. 오디오 AI의 모든 것을 PyTorch로 다룹니다.
2026-03-02 · 11 분 읽기 #ai-platform#pytorch#torchaudio#audio#speech-recognition