SpeakON은 맥세이프(MagSafe) 방식으로 휴대폰에 부착하는 자체 마이크 내장 AI 음성 입력 버튼을 출시했습니다. 기존 받아쓰기 도구는 사용자가 말한 그대로의 텍스트만 출력해 정리가 필요했지만, 이 제품은 AI를 활용해 깔끔한 결과물로 변환하는 '출력' 문제를 하드웨어로 해결하는 것이 핵심입니다.
보치(Vocci)가 반지 형태의 AI 회의 기록 기기를 출시했습니다. 더블탭으로 녹음을 시작·중지하며 6g 미만의 티타늄 몸체에 한 번 충전으로 8시간 녹음이 가능하고, 시끄러운 카페에서도 정확한 전사를 보여줬습니다. 다만 혼란스러운 앱 경험, 느린 기능 출시, 녹음 사실을 숨기기 쉬운 디자인으로 인한 프라이버시 우려, 249달러의 높은 가격이 단점으로 지적됩니다.
Wispr AI Lab이 실시간 받아쓰기용 음성 인식 모델 '칸토(Canto)'를 공개했습니다. 잡음, 저볼륨, 짧은 발화 등 실제 사용 환경의 받아쓰기 평가에서 Google, OpenAI, AssemblyAI, Deepgram 등 경쟁 모델 대비 최저 단어 오류율(WER)을 기록했습니다. 공개 벤치마크에서도 LibriSpeech 최저 오류율에并列했으며, 실시간 저지연 응용에 적합한 모델이라는 점이 의미 있습니다.
전 트위터 엔지니어들이 창업한 AI 뉴스 리더 스타트업 파티클(Particle)이 팟캐스트 음성을 전사·이해하여 검색할 수 있는 '레이더(Radar)'를 출시했습니다. 13만 개 이상의 팟캐스트를 색인해 화자 라벨, 엔티티 추적, 하이라이트 클립, 광고 검색 등을 제공하며, 헤지펀드와 AI 검색 플랫폼이 핵심 고객입니다. 진정한 제품은 API와 MCP를 통해 AI 에이전트가 오디오 데이터를 프로그래밍 방식으로 활용할 수 있게 하는 것입니다.
라즈베리파이 5(16GB, 약 300유로)에 Qwen3.6-35B 모델을 로컬로 구동해 차를 채팅룸 에이전트처럼 만드는 오픈소스 프로젝트입니다. 클라우드 없이 차량용 음성 비서, 745페이지 차량 매뉴얼 기반 RAG 질의응답, 자가진단, 블랙박스 영상 전송 등을 완전 오프라인으로 수행하며, 연결이 끊겨도 큐에 저장했다가 나중에 전송하는 견고한 설계가 돋보입니다.
스타트업 샌드바(Sandbar)는 3천600만 달러를 유치하며 음성 인식 반지 '스트림(Stream)'을 개발 중입니다. 이 회사는 기존 AI 기기들이 항상 켜져 있는(Always-on) 방식에서 오는 사회적 거부감과 침해 논란으로 실패했다고 분석합니다. 이를 극복하기 위해 사용자가 직접 버튼을 눌러 작동시키는(Push-to-talk) 방식과 자체 하드웨어를 구축하여 웨어러블 시장의 주류로 진입하겠다는 전략입니다.
실시간 음성 인터페이스를 통해 AI(AI)로 구현된 용의자들을 직접 심문하며 사건을 해결하는 인터랙티브 추리 게임입니다. 단순한 텍스트 입력을 넘어 음성 기반으로 대화가 이루어지며, 사용자의 질문에 맞춰 AI가 논리적으로 답변하고 반응합니다. AI 캐릭터와의 역동적인 상호작용을 테스트하고 체험할 수 있다는 점에서 기술 및 게임 개발자들에게 주목받고 있습니다.
엔비디아가 약 448ms(0.448초)의 저지연으로 실시간 통화가 가능한 오픈소스 풀 듀플렉스 음성 대화 AI '네모트론랩스 보이스챗 11B(NemotronLabs VoiceChat 11B)'를 공개했습니다. 이 모델은 대화 중 끊김 없이 즉각적으로 반응하며 외부 도구를 실시간으로 호출(Live Tool Calling)할 수 있어, 향후 자연스러운 반응 속도가 필수적인 고성능 실시간 음성 비서 및 AI 상담원 구축에 매우 유용하게 활용될 전망입니다.
음성 인식 스타트업 Wispr Flow가 실시간 전사와 AI 요약, 챗봇 기반 질의응답이 가능한 'Notetaker' 기능을 출시했습니다. 이 도구는 기기 내부에서 직접 회의를 전사하여 요약하며, 최대 6시간까지 녹음이 가능해 긴 호흡의 회의도 완벽하게 기록할 수 있습니다. AI 회의록 도구의 도입이 급증하는 가운데, 개인정보 보호와 법적 유효성을 위해 회의 참가자들에게 전사 사실을 명확히 고지하는 것이 필수적인 과제로 강조되고 있습니다.
미국의 패스트푸드 업계에 AI 음성 주문 시스템이 빠르게 도입되고 있으며, 타코벨, 데리퀸 등 주요 브랜드가 매장 확대를 진행 중입니다. 도입 초기에는 주문 오류와 사용자의 악의적 장난으로 비판을 받았지만, 업계는 인건비 절감과 업셀링 효율화를 위해 기술을 지속적으로 고도화하며 물리적 AI 상용화의 전초전으로 삼고 있습니다.
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.
인터페이즈(Interfaze)는 기존 자기회귀 방식이 아닌 디퓨전(Diffusion) 기술을 적용하여 6개 국어를 전사할 수 있는 다국어 음성 인식(ASR) 모델을 오픈소스로 공개했습니다. 이 모델은 구글의 언어 모델에 약 4,200만 개의 매개변수(Parameter)를 가진 어댑터(Adapter)를 결합해 음성 입력을 처리하며, 전사 비용이 텍스트 길이가 아닌 노이즈 제거(Denoising) 단계에 따라 결정된다는 점에서 큰 의의가 있습니다.
엔비디아의 최신 음성 인식 모델인 카나리-1B(Canary-1B-v2)를 활용해 다국어 음성 인식(ASR) 및 번역 파이프라인을 구축하는 튜토리얼입니다. 이 가이드를 통해 개발자는 GPU 환경에서 오디오를 전처리하고, 음성을 여러 언어로 번역하며, 타임스탬프가 포함된 자막(SRT) 파일을 자동으로 추출하는 전체 과정을 빠르게 실무에 적용할 수 있습니다.
구글이 70개 이상의 언어를 지원하는 실시간 스트리밍 음성-음성 번역 모델인 '제미나이 3.5 라이브 트랜슬레이트(Gemini 3.5 Live Translate)'를 출시했습니다. 이 모델은 화자의 음성보다 단 몇 초 지연되어 끊김 없이 오디오를 생성하며, 개발자들은 제미나이 라이브 API(Gemini Live API)를 통해 이 기술에 접근할 수 있습니다. 구글 미트(Google Meet)와 번역 앱(Translate app)에도 통합되어 실시간 통역의 실용성과 사용자 경험이 획기적으로 개선되었다는 점에서 중요합니다.
유튜브가 프리미엄 사용자를 위해 AI 기반 맞춤형 팟캐스트 추천, 대화 속도에 맞춰 지능적으로 재생 속도를 조절하는 '자동 속도(Auto speed)', 그리고 이동 중이나 멀티태스킹에 최적화된 '이동 중 모드(On-the-go)'를 새롭게 선보입니다. 이는 넷플릭스 등 경쟁 플랫폼과 스포티파이 같은 오디오 중심 앱의 사용자를 공략하기 위한 유튜브의 전략으로 풀이됩니다.
구글이 워크스페이스에 새로운 음성 대화 기능, 이미지 생성·편집 앱인 '구글 픽스(Google Pics)', 24시간 개인 AI 에이전트 '제미나이 스파크(Gemini Spark)' 등을 도입한다고 발표했습니다. 이번 업데이트는 사용자가 단순히 텍스트를 넘어 음성과 정밀한 이미지 편집 기능을 통해 작업 효율을 극대화할 수 있게 해준다는 점에서 중요합니다. AI Inbox 기능 확대와 함께 이번 신기능들은 구글 AI 구독자 및 워크스페이스 비즈니스 고객을 위해 이번 여름부터 순차적으로 제공될 예정입니다.
인터페이즈(Interfaze)는 트랜스포머 모델의 유연성과 DNN/CNN 모델의 높은 정확도를 결합하여 OCR, 비전, 음성 인식, 구조화된 출력 등의 작업에서 최적화된 성능을 제공하는 새로운 아키텍처입니다. 이 모델은 Gemini-3-Flash, Claude-Sonnet-4.6, GPT-5.4-Mini 등과 비교하여 9개 벤치마크에서 대부분 우수한 성능을 보여주었으며, 특히 처리 비용과 응답 시간을 획기적으로 낮추면서도 높은 정확도를 유지하는 것이 특징입니다.
사카나 AI가 대규모 언어 모델(LLM)의 지식을 실시간으로 주입할 수 있는 새로운 음성 대 음성(Speech-to-Speech) 아키텍처 'KAME'를 소개했습니다. 이 기술은 기존 시스템의 한계를 넘어 응답 지연 시간(Latency)을 전혀 추가하지 않으면서도 고도화된 지식 기반 대화를 가능하게 합니다. 실무자 관점에서 실시간성과 정확성이 필수적인 차세대 AI 음성 비서 개발에 매우 중요한 돌파구로 평가됩니다.
대형 언어 모델(LLM) 및 음성 인식 기술의 발전으로 기존의 느리고 부정확했던 받아쓰기 앱들이 비약적으로 향상되었습니다. 최신 AI 앱들은 문맥을 파악해 자연스럽게 문장을 formatting하고, 불필요한 말과 언어적 실수를 자동 교정하여 텍스트 편집의 수고를 크게 줄여줍니다. 본 기사는 뛰어난 정확도, 개인화 기능, 철저한 개인정보 보호 등 각기 다른 강점을 가진 6가지 유망한 AI 받아쓰기 앱을 소개하고 평가합니다.
엑스AI(xAI)가 약 1분 분량의 짧은 음성 녹음만으로 자신의 목소리를 복제할 수 있는 '커스텀 보이스(Custom Voices)' 기능을 출시했습니다. 실시간 인증과 음성 특징 비교를 통한 2단계 검증을 통해 타인의 목소리나 기존 녹음본의 무단 복제를 원천 차단하여 오용을 방지하는 것이 특징입니다. 이 기능은 기존에 공개된 음성-텍스트/텍스트-음성 변환 API 및 스타링크(Starlink) 고객 지원에 적용된 음성 에이전트 모델과 연동되어 추가 요금 없이 사용할 수 있어 개발자와 실무자들에게 유용한 도구로 평가받습니다.
마이크로소프트가 장문 음성 처리 및 구조화된 전사에 특화된 음성 인식(ASR) 및 합성(TTS) 오픈소스 모델 패밀리인 '바이브보이스(VibeVoice)'를 공개했습니다. 이 모델은 최대 60분의 오디오를 한 번에 처리하고 발화자 구분, 타임스탬프, 내용을 구조화하여 출력하는 것이 가장 큰 특징입니다. 50개 이상의 언어를 지원하며, 최근에는 허깅페이스(Hugging Face) 트랜스포머 라이브러리와 vLLM 추론 통합을 통해 실무 적용이 매우 용이해졌습니다.
하드웨어 기업 노싱(Nothing)이 음성을 포맷팅된 텍스트로 변환해주는 AI 받아쓰기(dictation) 도구인 '에센셜 보이스(Essential Voice)'를 출시했습니다. 이 도구는 필러 words 제거, 사용자 맞춤형 음성 단축키 설정 및 100개 이상의 언어에 대한 실시간 번역 기능을 지원하며, 향후 앱 맞춤형 문체 및 어조 변경 기능도 추가될 예정입니다. 구글의 최근 오프라인 받아쓰기 앱 출시와 더불어, 시스템 수준의 AI 받아쓰기 기능 통합이 향후 업계의 주요 트렌드로 자리 잡을 것으로 보입니다.
구글이 오프라인에서도 작동하는 무료 AI 받아쓰기 앱 'Google AI Edge Eloquent'를 iOS용으로 조용히 출시했습니다. 이 앱은 음성을 텍스트로 변환할 때 '음, 어' 같은 불필요한 양념 말을 자동으로 제거하고 문장을 매끄럽게 다듬어 주며, 클라우드 모드를 끄면 기기 내부의 온디바이스 AI 모델만으로도 작동합니다. 이번 실험적 앱 출시는 기존의 음성 인식 기술을 한 단계 뛰어넘어 사용자의 의도를 파악해 바로 사용할 수 있는 깔끔한 텍스트를 제공한다는 점에서 업계의 큰 주목을 받고 있습니다.
오픈소스 모델인 Gemma를 활용해 오디오와 비디오를 입력받아 음성으로 출력하는 실시간 AI가 Apple M3 Pro 환경에서 로컬 구동되는 것을 확인한 사례입니다. 복잡한 에이전트 코딩은 불가능하지만 다국어 처리가 가능하여 언어 학습용으로 혁신적인 활용성을 보여줍니다. 수년 전 OpenAI가 시연했던 것과 같이 스마트폰 카메라로 사물을 인식하고 모국어로 소통하는 미래가 로컬 환경에서도 가까워지고 있습니다.