# \#vibevoice **URL:** https://discuss.pytorch.kr/tag/vibevoice/7088.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [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…