
일레븐랩스가 음성인식(STT) 오류를 기존 모델 대비 최대 43% 줄인 차세대 STT 인공지능(AI) 모델 2종을 공개했다.
다국어 인식 정확도를 높이고 여러 사람의 발언을 구분하는 기능을 강화해 음성 에이전트와 회의록, 의료 기록 등 기업용 서비스의 활용도를 높인다.
일레븐랩스는 녹음 음성 처리용 '스크라이브 v3'와 실시간 음성 처리용 저지연 모델 '스크라이브 v3 라이브'를 출시했다고 19일 밝혔다.
두 모델은 실제 대화 환경에서 발생하는 발언 중첩, 대화 중단, 비원어민 발화 등 다양한 상황에서도 정확한 음성인식이 가능하도록 설계됐다.
일레븐랩스 자체 평가에 따르면 스크라이브 v3는 이전 모델 대비 단어 오류율을 27%, 스크라이브 v3 라이브는 43% 줄였다. 102개 언어 대상 평가 결과다.
화자 분리 기능도 강화했다. 스크라이브 v3는 3명 이상이 참여한 녹음 환경에서 화자 분리 오류를 이전 모델 대비 17% 줄였다. 스크라이브 v3 라이브는 실시간 모델 최초로 화자 분리를 지원하며 자체 평가에서 차순위 모델보다 오류율은 39% 낮았다.
실시간 음성 에이전트의 자연스러운 대화를 위한 발화 종료 판단 기능도 개선했다. 기업용 기능도 확대했다. 스크라이브 v3는 브랜드명과 전문용어 등 최대 1000개 용어를 사전 등록할 수 있으며 날짜·숫자 표기 방식도 지정할 수 있다. 실시간 모델은 대화 중 언어가 바뀌는 상황도 지원한다.
이날 공개된 두 모델은 개발자용 일레븐API를 통해 제공되며, 실시간 모델은 기업용 음성·채팅 에이전트 플랫폼 '일레븐에이전트'에서도 사용할 수 있다. 기업 고객을 위해 지역별 데이터 처리 환경과 요청 처리 후 데이터를 삭제하는 제로 리텐션 모드도 지원한다.
일레븐랩스는 한국어 등 90개 이상 언어를 지원하는 스크라이브 v3와 v3 라이브로 한국 기업과 개발자들이 음성을 활용한 서비스를 구축할 수 있게 전폭 지원해나갈 계획이다.
박종진 기자 truth@etnews.com