#ASR

메타, 음성 인식·화자 구분 하나로 통합한 'Muse Voice Transcribe' 공개

메타 슈퍼인텔리전스 연구소(Meta Superintelligence Labs)가 스트리밍 음성 인식(ASR), 화자 분리(Diarization), 발화 종료 감지(Endpointing)를 단일 자기회귀(autoregressive) 모델로 통합한 'Muse Voice Transcribe'를 공개했습니다. 기존 음성 시스템이 세 개의 모델을 연결해 지연과 장애 지점을 키웠다면, 이 모델은 하나로 통합해 실시간 처리에 유리합니다.

2026년 최고의 공개 음성 인식 모델 비교

2026년에 접어들며 오픈소스 음성 인식(ASR) 생태계는 더 이상 OpenAI의 Whisper가 독점하지 않게 되었습니다. 이제 Cohere Transcribe, IBM Granite, MOSS-Transcribe 등 여러 오픈소스 모델들이 오차율 1% 미만의 비슷한 성능을 보여주고 있습니다. 이 글은 16개 모델의 인식률, 언어 지원, 스트리밍 속도 및 라이선스를 비교하고, 공개된 단순 평균 점수로 순위를 매기는 것이 무의미해진 이유를 설명합니다.