# \#asr **URL:** https://discuss.pytorch.kr/tag/asr/344.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [Microsoft, 1시간분량 오디오를 10초만에 전사하는 60개 언어 음성 인식 모델 MAI-Transcribe-2 출시 (가중치 공개 X)](https://discuss.pytorch.kr/t/microsoft-1-10-60-mai-transcribe-2-x/11839)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [9월 8, 2026, 9:30오전 UTC](https://discuss.pytorch.kr/t/microsoft-1-10-60-mai-transcribe-2-x/11839 "2026-09-08T09:30:18Z")
MAI-Transcribe-2 소개 Microsoft AI(MAI)가 2026년 9월 3일 새 음성 인식(ASR) 모델 MAI-Transcribe-2를 공개했습니다. 60개 언어를 하나의 모델로 전사(Transcription) 하면서 화자 분리(Speaker Diarization) 와 단어 단위 타임스탬프(Word-level Timestamps) 를 함께 내주고, 1시간 분량 오디오를 모델 추론(Inference) 기준 10초에 처리하며, 가격은 오디오 1시간당 0.10달러입니다. 발표 제목은 "세계에서 가장 빠르고, 가장 정확하고, 가장 저렴한 음성 인식 모델" 인데, 이 글에서는 그 세 가지 주장을 원문이 함께 공개한 측정치와 독립 리더보드에 하나씩 맞춰 보겠습니다. 배경을 짚고 가는 것이 이해에 도움이 됩니다. 전사 모델 시장은 오랫동안 OpenAI의 Whisper가 사실상의 기준선이었습니다. 오픈 가중치로 풀린 덕에 온프레미스 배포가 쉬웠고, 그 위에 WhisperLiveKit이나 Lightning-SimulWhisper 같은 실시간 래퍼(Wrapper) 생태계가 쌓였습니다. 그러나 Whisper large-v3는 2023년 모델이고, 화자 분리와 도메인 용어 대응은 별도 파이프라인으로 붙여야 했습니다. 그 빈자리를 ElevenLabs의 Scribe, AssemblyAI의 Universal, Deepgram의 Nova 같은 상용 API가 채우고, Mistral의 Voxtral과 Cohere의 Transcribe처럼 오픈 모델도 다시 경쟁에 합류했습니다. Microsoft가 이 시장에 자체 모델을 들고 들어온 것은 이번이 처음이 아닙니다. 지난 MAI 모델 패밀리 7종 공개 때 함께 나온 MAI-Transcribe-1.5가 43개 언어를 지원하는 배치 전사 모델이었고, 그때 로드맵으로 예고한 항목이 화자 분리, 네이티브 스트리밍 API, 추가 언어 지원이었습니다. MAI-Transcribe-2는 그중 화자 분리와 언어 확장을 실제로 채운 버전입니… --- ## [hayamimi: GPU와 클라우드 없이 CPU만으로 실시간 다국어 자막을 만드는 음성 인식 도구](https://discuss.pytorch.kr/t/hayamimi-gpu-cpu/11798)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [9월 7, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/hayamimi-gpu-cpu/11798 "2026-09-07T03:30:19Z")
hayamimi 소개 회의나 방송을 실시간으로 받아 적어야 하는 상황에서 지금 선택할 수 있는 길은 대체로 두 가지입니다. 하나는 클라우드 음성 인식(Speech Recognition, ASR) API를 붙여 분당 요금을 내는 것이고, 다른 하나는 Whisper 계열 모델을 로컬에 올려 GPU에서 실행하는 것입니다. 두 번째 길에서 GPU를 뺄 수 없다는 점이 문제가 됩니다. 노트북과 사무용 데스크톱에는 대개 쓸 만한 GPU가 없고, 그렇다고 CPU에서 Whisper를 실행하면 실시간에 못 미쳐 자막이 말보다 늦게 따라옵니다. 발화가 끝나고 한참 지나서 글자가 표시되는 자막은 회의 중계나 방송 송출에는 쓸 수 없습니다. 이번에 소개할 hayamimi는 이 제약을 모델 한 개의 성능으로 해결하는 대신, 발화마다 언어를 판별해 그 언어 전용 모델로 보내는 라우팅으로 우회하는 프로젝트입니다. 모든 모델은 INT8로 양자화(Quantization)된 ONNX 형태이고 sherpa-onnx 런타임(Runtime)에서 실행되므로, PyTorch도 CUDA도 설치하지 않습니다. 저장소 이름인 早耳(하야미미)는 일본어로 소식을 빨리 듣는 사람을 뜻하는데, 개발자는 이를 설계 목표로 삼았다고 설명하고 있습니다. 말하는 중에 임시 자막이 먼저 표시되고, 말을 멈춘 뒤 약 100밀리초 후에 확정 자막이 확정되는 동작이 그 목표의 구체적인 형태입니다. hayamimi를 사용하기 위해서는 파이썬 3.10 이상과 ffmpeg만 준비하면 되고, 모델 가중치는 저장소에 들어 있지 않아 설치 스크립트가 원 배포처에서 내려받습니다. 개발과 테스트는 Windows 11에서 이뤄졌고 macOS와 Linux는 런타임이 모두 크로스 플랫폼이라 동작할 것으로 보지만 종단 간 CI 검증은 아직 없다고 개발자가 밝혔습니다. 이번 게시물에서는 언어별 라우팅 구조와 두 번 훑기 방식, 그리고 개발자가 같은 음성으로 whisper-large-v3-turbo와 직접 맞붙여 공개한 수치를 정리… --- ## [OpenLess: 말하면 AI가 다듬은 문장을 커서에 바로 넣어 주는 오픈소스 음성 입력 도구](https://discuss.pytorch.kr/t/openless-ai/10707)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [6월 15, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/openless-ai/10707 "2026-06-15T03:30:56Z")
OpenLess 소개 말로 빠르게 초안을 만들고 싶을 때, 받아쓰기 도구는 보통 들리는 대로 단어를 그대로 옮겨 적습니다. 그래서 "음… 그러니까…" 같은 군더더기와 중복까지 텍스트에 남아, 결국 손으로 다시 다듬게 됩니다. OpenLess 는 이 마지막 손질을 AI에 맡기는 음성 입력 도구로, 단축키를 누르고 말한 뒤 손을 떼면 다듬어진 문장이 지금 커서가 있는 입력란에 곧장 들어갑니다. OpenLess는 ChatGPT, Claude, Cursor, Notion, 이메일 초안, 채팅창 등 어떤 텍스트 입력란에서나 동작합니다. 전역 단축키를 누르고 말하면 오디오를 녹음해 전사(transcribe)하고, 선택한 모드로 텍스트를 다듬은 뒤 커서 위치에 삽입합니다. 삽입이 막히면 대신 클립보드에 복사하므로 말한 내용이 사라지지 않습니다. 단순 받아쓰기 도구와 다른 OpenLess의 핵심은 AI 프롬프트 모드 로, 자유롭게 말하면 구조와 맥락, 제약 조건을 갖춘 프롬프트로 정리해 ChatGPT나 Claude, Cursor에 그대로 붙여 넣을 수 있게 해 줍니다. OpenLess는 Typeless, Wispr Flow, Lazy, Superwhisper 같은 상용 구독 도구의 완전 오픈소스 대안을 표방합니다. 코드가 저장소에 공개되어 있고 데이터는 사용자의 기기에 남으며, ASR과 정리용 LLM 자격 증명을 직접 가져와 쓰는 방식이라 특정 벤더에 종속되지 않습니다. 기술적으로는 Tauri 2와 Rust 백엔드에 React/TypeScript 프런트엔드를 올린 구조이고, macOS 12 이상과 윈도우 10 이상을 지원합니다. 본 게시물에서는 OpenLess의 동작 방식, ASR과 정리 모델 선택, 스타일 팩 마켓플레이스, 그리고 설치·사용 방법을 정리합니다. OpenLess의 동작 방식과 AI 프롬프트 모드 OpenLess가 하는 일은 한 가지로 모입니다. 음성을 현재 커서 위치에 쓸 수 있는 텍스트로, 특히 AI 프롬프트로 바꾸는 것입니다. 파이프라인은 음성… --- ## [VibeVoice: 60분 장시간 음성 인식(ASR)과 실시간 TTS를 통합한 Microsoft의 오픈소스 음성 AI 모델 패밀리](https://discuss.pytorch.kr/t/vibevoice-60-asr-tts-microsoft-ai/9536)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [4월 3, 2026, 9:30오전 UTC](https://discuss.pytorch.kr/t/vibevoice-60-asr-tts-microsoft-ai/9536 "2026-04-03T09:30:23Z")
VibeVoice 소개 음성 AI 기술이 빠르게 발전하고 있지만, 텍스트를 음성으로 변환하는 TTS(Text-to-Speech) 와 음성을 텍스트로 변환하는 ASR(Automatic Speech Recognition) 의 두가지 태스크(task)는 오랜 시간 동안 완전히 분리된 시스템으로 발전해 왔습니다. 이러한 파편화된 접근 방식은 통합 대화형 AI 시스템을 구축하려는 개발자들에게 시스템 복잡도 증가와 지연 시간(Latency) 문제라는 큰 장벽으로 작용했습니다. 마이크로소프트 리서치(Microsoft Research)가 새롭게 공개한 VibeVoice는 이 두 가지 핵심 작업을 단일 프레임워크 아래 매끄럽게 통합하여 음성 AI의 새로운 패러다임을 제시하는 오픈소스 모델 패밀리입니다. VibeVoice의 가장 큰 의의는 연속적인 음향 표현을 활용하여 기존 모델들의 구조적 한계를 극복했다는 점입니다. 7.5Hz라는 매우 낮은 프레임 레이트(ultra-low frame rate)로 작동하는 연속 음성 토크나이저(Continuous Speech Tokenizer)를 기반으로 하여, 연산 효율성을 극대화하면서도 고품질의 음향 데이터를 유지합니다. 이 프레임워크 내에서 VibeVoice는 최대 60분의 긴 오디오를 한 번에 인식할 수 있는 ASR 모델과 300ms(밀리초) 이하의 초저지연을 달성한 경량 실시간 TTS 모델 등을 포괄적으로 제공합니다. 또한, VibeVoice는 자연어의 문맥과 의미를 깊이 있게 파악하기 위해 강력한 성능을 입증한 오픈소스 대형 언어 모델(LLM)인 Qwen2.5를 기반 모델로 채택했습니다. 이를 통해 대화의 흐름과 감정선을 이해하는 수준 높은 음성 합성과 정확한 전사가 가능해졌습니다. 다만, 기반 모델의 특성을 상속받기 때문에 Qwen2.5가 가진 데이터 편향성이 결과물에 일부 반영될 수 있다는 점을 마이크로소프트 측은 투명하게 명시하고 있으며, 상용 서비스 적용 시 개발자들의 주의가 필요합니다. VibeVoice-AS… --- ## [KG-Whisper: 키워드 가이드(KG)를 통한 음성 인식(ASR) 최적화 구현 프로젝트 (feat. @hyuk님)](https://discuss.pytorch.kr/t/kg-whisper-kg-asr-feat-hyuk/9547)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [4월 3, 2026, 4:00오전 UTC](https://discuss.pytorch.kr/t/kg-whisper-kg-asr-feat-hyuk/9547 "2026-04-03T04:00:41Z")
KG-Whisper 소개 OpenAI의 Whisper는 강력한 다국어 음성 인식 성능을 자랑하며 다양한 분야에서 널리 사용되고 있지만, 전문 도메인(의료, 법률, 금융 등)의 고유 명사나 특수한 용어를 정확하게 인식하는 데에는 여전히 한계를 보일 때가 많습니다. 범용적인 데이터셋으로 학습된 모델이 특정 산업군의 전문 용어를 접했을 때, 발음이나 문맥이 유사한 일반적인 단어로 잘못 예측하는 경우가 빈번하게 발생하기 때문입니다. 이러한 문제를 해결하기 위해서는 전체 모델을 재학습시키거나 파인튜닝(Fine-tuning)하는 방식이 주로 고려되지만, 이는 막대한 컴퓨팅 자원과 도메인 특화 데이터 구축 비용을 수반합니다. 이번에 @hyuk 님께서 공개하신 KG-Whisper 프로젝트는 이러한 한계를 매우 우아하고 효율적인 방식으로 극복하는 방법을 제시합니다. 이 저장소는 aiOla 연구진이 발표한 두 편의 최신 핵심 논문인 AdaKWS(Adaptive Keyword Spotting, arXiv:2309.08561)와 KG-Whisper-PT(Keyword-Guided Adaptation of ASR, arXiv:2406.02649)를 처음부터 성공적으로 재현한 오픈소스 프로젝트입니다. 사용자가 텍스트 형태로 된 키워드 목록을 제공하면, 이를 음성 인식 파이프라인에 동적으로 주입하여 모델이 특정 용어를 더 정확하게 출력하도록 가이드하는 것이 본 프로젝트의 핵심 목표입니다. 이 기술의 가장 큰 강점은 추가적인 대규모 파인튜닝 절차 없이도 제로샷(Zero-shot) 형태로 완전히 새로운 도메인에 즉시 적용할 수 있다는 것입니다. 음성 인식 시스템을 특정 도메인에 빠르게 이식해야 하는 소프트웨어 엔지니어나 연구자들에게 있어, 이 프로젝트는 시간과 자원을 크게 절약해줄 수 있는 매우 실용적이고 훌륭한 레퍼런스 코드가 될 것입니다. 기존 Whisper 베이스라인 모델과의 비교 일반적인 Whisper 모델과 KG-Whisper의 가장 결정적인 차이점은 사용자 정의 … --- ## [Cohere, HuggingFace Open ASR 리더보드 1위를 차지한 오픈소스 음성 인식 모델 Transcribe 공개](https://discuss.pytorch.kr/t/cohere-huggingface-open-asr-1-transcribe/9472)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [3월 31, 2026, 9:30오전 UTC](https://discuss.pytorch.kr/t/cohere-huggingface-open-asr-1-transcribe/9472 "2026-03-31T09:30:02Z")
음성 인식의 새로운 기준: Cohere Transcribe 음성은 AI 워크플로우에서 점점 더 핵심적인 모달리티로 자리잡고 있습니다. 회의 녹취, 음성 분석, 실시간 고객 상담 에이전트에 이르기까지, 자동 음성 인식(Automatic Speech Recognition, ASR) 기술은 다양한 엔터프라이즈 자동화의 기반이 되고 있습니다. 그러나 기존의 ASR 모델들은 벤치마크 성능과 실제 운영 환경 간의 격차, 처리 속도와 정확도 사이의 트레이드오프, 그리고 제한적인 다국어 지원이라는 과제를 안고 있었습니다. Cohere가 이러한 문제를 정면으로 겨냥한 새로운 ASR 모델 Cohere Transcribe 를 공개했습니다. 이 모델은 처음부터(from scratch) 학습되었으며, 단어 오류율(Word Error Rate, WER) 을 최소화하면서도 실제 프로덕션 환경에서의 사용성을 염두에 두고 설계되었습니다. 단순한 연구용 모델이 아닌, 일상적인 업무에 바로 투입할 수 있는 시스템을 목표로 한 것입니다. 현재 HuggingFace Open ASR Leaderboard에서 평균 WER 5.42%로 1위를 차지하고 있으며, Apache 2.0 라이선스로 오픈소스 공개되어 누구나 다운로드하여 사용할 수 있습니다. 모델 개요 항목 내용 모델명 cohere-transcribe-03-2026 아키텍처 Conformer 기반 인코더-디코더 입력 오디오 파형 -\> log-Mel 스펙트로그램 출력 텍스트 전사 모델 크기 2B (20억 파라미터) 학습 방식 출력 토큰에 대한 교차 엔트로피, 처음부터 학습 지원 언어 14개 (영어, 프랑스어, 독일어, 이탈리아어, 스페인어, 포르투갈어, 그리스어, 네덜란드어, 폴란드어, 중국어, 일본어, 한국어, 베트남어, 아랍어) 라이선스 Apache 2.0 아키텍처는 대규모 Conformer 인코더 가 음향 표현(acoustic representation)을 추출한 뒤, 경량 트랜스포머(T… --- ## [Lightning-SimulWhisper: Apple Silicon용 초고속 실시간 로컬 음성 인식 엔진 (feat. Whisper)](https://discuss.pytorch.kr/t/lightning-simulwhisper-apple-silicon-feat-whisper/8070)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 1\ **마지막 업데이트:** [12월 9, 2025, 3:32오후 UTC](https://discuss.pytorch.kr/t/lightning-simulwhisper-apple-silicon-feat-whisper/8070 "2025-12-09T15:32:28Z")
Lightning-SimulWhisper 소개 Lightning-SimulWhisper는 Apple Silicon(M1, M2, M3, M4 등) 기반 디바이스에서 Whisper 모델을 실시간으로 동작시키기 위해 설계된 초고속 로컬 음성 인식 시스템입니다. 이 프로젝트는 기존 Whisper의 성능 한계를 극복하기 위해 Apple의 머신러닝 프레임워크 MLX와 CoreML을 결합하여, 전례 없는 속도와 전력 효율을 달성한 것이 특징입니다. 특히 PyTorch 기반의 Whisper보다 최대 18배 빠른 인코딩과 15배 빠른 디코딩 속도를 자랑하며, Zero PyTorch Dependencies를 선언한 순수 Apple 생태계 친화적 구현체입니다. 이 덕분에 MacBook, iMac 등 Apple Silicon 기반 기기에서 Whisper의 ‘실시간 스트리밍 변환’이 가능해졌습니다. Lightning-SimulWhisper의 핵심은 “Simultaneous Speech Recognition(동시 음성 인식)”을 지원하는 점입니다. 즉, 사용자가 말을 하는 도중에도 Whisper가 이를 실시간으로 분석하고, 텍스트로 변환해 나가는 구조를 가지고 있습니다. 이러한 방식은 특히 회의 실시간 자막, 통역 시스템, 음성 비서 서비스 등에 활용하기 적합합니다. Lightning-SimulWhisper는 기존 OpenAI의 Whisper 및 SimulStreaming 프로젝트의 속도와 효율 문제를 개선하기 위해 등장했습니다. 기존 SimulStreaming 프로젝트는 base 모델조차 실시간으로 구동하기 어려웠던 반면, Lightning-SimulWhisper는 medium 혹은 large-v3-turbo 모델까지 실시간으로 구동할 수 있습니다. 비교 결과, PyTorch 기반 Whisper와의 성능 차이는 다음과 같습니다: 인코딩 속도: CoreML 기반 인코더 사용 시 최대 18배 빠름 디코딩 속도: MLX 기반 디코더 사용 시 최대 15배 빠름 전력 효율:… --- ## [WhisperLiveKit: 실시간 음성 인식(STT), 번역 및 화자 분리 등을 로컬에서 실행할 수 있는 오픈소스 툴킷](https://discuss.pytorch.kr/t/whisperlivekit-stt/7622)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [9월 1, 2025, 9:30오전 UTC](https://discuss.pytorch.kr/t/whisperlivekit-stt/7622 "2025-09-01T09:30:35Z")
WhisperLiveKit 소개 WhisperLiveKit은 실시간 음성 인식(Speech-to-Text), 번역, 그리고 화자 분리(Speaker diarization)를 로컬 환경에서 실행할 수 있는 오픈소스 툴킷입니다. 이 프로젝트는 웹 브라우저에서 직접 결과를 확인할 수 있도록 서버와 간단한 웹 UI까지 제공하며, 기존 OpenAI Whisper 모델이 가진 ‘실시간 인식의 한계’를 극복하기 위해 최신 연구 결과를 적극적으로 반영했습니다. 단순히 오디오를 짧은 청크 단위로 나누어 Whisper를 실행하는 방식은 문맥을 잃고, 단어가 끊어지며, 인식 품질이 저하된다는 문제가 있습니다. WhisperLiveKit은 SimulStreaming, WhisperStreaming, Streaming Sortformer 등 최첨단 스트리밍 기술을 통합하여 이러한 문제를 해결하고 있습니다. 이 프로젝트는 단순히 “Whisper를 빠르게 돌릴 수 있다”는 수준이 아니라, 화자 인식과 음성 활동 감지(Voice Activity Detection, VAD)까지 포함해 실제 서비스 배포에 적합한 아키텍처를 제공합니다. 또한 로컬에서 완전히 작동하기 때문에 개인정보 보호 측면에서도 장점이 있으며, 클라우드 API 비용 없이도 활용할 수 있습니다. 이 툴은 회의 기록, 실시간 자막 생성, 고객 상담 기록 분석, 팟캐스트/영상 자동 전사 등 다양한 분야에 바로 적용할 수 있습니다. 특히 청각 장애인 보조 도구나 고객센터에서 화자 분리가 필요한 환경에서 유용하게 활용할 수 있습니다. WhisperLiveKit은 기본적으로 OpenAI의 Whisper 모델을 기반으로 하지만, 단순 Whisper 실행과는 달리 실시간 스트리밍과 화자 분리 기능이 강화되어 있습니다. 기존 Whisper: 오디오 파일 단위로 처리 → 실시간 스트리밍 불가, 문맥 단절 발생 WhisperStreaming: 지연을 줄인 실시간 인식 제공 → 하지만 화자 분리 기능은 제한적 Diart, Sort… --- ## [SeamlessM4T: Meta AI에서 공개한, 번역을 위한 멀티모달에서의 파운데이션 모델](https://discuss.pytorch.kr/t/seamlessm4t-meta-ai/2328)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [8월 23, 2023, 11:34오전 UTC](https://discuss.pytorch.kr/t/seamlessm4t-meta-ai/2328 "2023-08-23T11:34:01Z")
이 글은 GPT 모델로 자동 요약한 설명으로, 잘못된 내용이 있을 수 있으니 원문을 참고해주세요! :smile: 읽으시면서 어색하거나 잘못된 내용을 발견하시면 덧글로 알려주시기를 부탁드립니다! :bowing\_man: 세계를 더 가깝게 만드는, 멀티모달에서의 파운데이션 모델을 통한 음성 번역 (Bringing the world closer together with a foundational multimodal model for speech translation) 세계를 더 가깝게 연결해주는 기본 다중 모달 모델을 통한 음성 번역을 소개합니다. 개요 현대는 인터넷, 모바일 기기, 소셜 미디어 및 커뮤니케이션 플랫폼의 글로벌 확산 덕분에 이전보다 훨씬 더 연결되어 있습니다. 이러한 맥락에서 언어의 장벽 없이 정보를 소통하고 이해하는 능력은 점점 더 중요해지고 있습니다. AI 기술은 이러한 비전을 현실로 만들어 가고 있습니다. 주요 내용 SeamlessM4T 소개 Meta AI는 음성과 텍스트 간에 원활하게 번역하고 전사하는 기본 다중 언어 및 다중 작업 모델인 SeamlessM4T를 소개합니다. 이 모델은 다양한 언어에 대한 자동 음성 인식, 음성-텍스트 번역, 음성-음성 번역, 텍스트-텍스트 번역 및 텍스트-음성 번역을 지원합니다: 100여종의 언어에 대한 자동 음성 인식 100여종의 입력 및 출력 언어에 대한 음성-텍스트 번역 100여종의 입력 언어와 35종(+영어)의 출력 언어를 지원하는 음성 대 음성 번역 100여종의 언어에 대한 텍스트-텍스트 번역 텍스트 음성 변환, 100여종의 입력 언어와 35종(+영어)의 출력 언어 지원 Automatic speech recognition for nearly 100 languages Speech-to-text translation for nearly 100 input and output languages Speech-to-speech translation, supporting nearly 1… --- ## [Meta, 1100개 이상의 언어에 대한 음성-텍스트, 텍스트-음성 변환 모델 MMS(Massively Multilingual Speech) 공개](https://discuss.pytorch.kr/t/meta-1100-mms-massively-multilingual-speech/1618)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [5월 23, 2023, 6:23오전 UTC](https://discuss.pytorch.kr/t/meta-1100-mms-massively-multilingual-speech/1618 "2023-05-23T06:23:24Z")
Meta에서 Introducing speech-to-text, text-to-speech, and more for 1,100+ languages 이라는 제목의 블로그 글을 통해 MMS(Massively Multilingual Speech) 프로젝트(겸 모델 이름 같습니다)을 소개하였습니다. 무려 라이선스도 저작자만 표시하면 비영리로 사용할 수 있는 CC-BY-NC 4.0으로 공개하였네요 :+1: The MMS code and model weights are released under the CC-BY-NC 4.0 license. 아래는 지원하는 언어들을 세계지도에서 찍어본 것인데, 엄청납니다 :astonished: MMS 프로젝트 소개 MMS(Massively Multilingual Speech; 대규모 다국어 음성) 프로젝트는 1,100개 이상의 언어를 지원하는 단일 다국어 음성 인식 모델, 4,000개 이상의 언어를 식별할 수 있는 언어 식별 모델, 1,400개 이상의 언어를 지원하는 사전 학습 모델, 1,100개 이상의 언어를 위한 텍스트 음성 변환 모델을 구축하여 음성 기술을 약 100개 언어에서 1,000개 이상으로 확장합니다. 사람들이 원하는 언어로 더 쉽게 정보에 액세스하고 기기를 사용할 수 있도록 하는 것이 목표입니다. The Massively Multilingual Speech (MMS) project expands speech technology from about 100 languages to over 1,000 by building a single multilingual speech recognition model supporting over 1,100 languages (more than 10 times as many as before), language identification models able to identify over 4,000 languages (40 times more than before), …