Patientdesk.ai가 터키어에 특화된 음성 모델 2종을 출시했다. 하나는 텍스트를 음성으로 변환하는 Alania이고, 다른 하나는 음성을 텍스트로 변환하는 Duyu다. 두 모델은 하나의 계정과 하나의 API 키로 사용할 수 있으며, 출시 프로모션의 일환으로 가입일로부터 한 달 동안 무료로 이용할 수 있다.
터키어의 과제를 고려해 설계된 모델
회사는 두 모델의 개발이 많은 음성 인공지능 솔루션이 주로 영어 데이터에 의존한다는 문제에서 출발했다고 밝혔다. 또한 터키어의 교착어적 특성, 고유명사, 전화 통화에서의 낮은 음질, 이메일 주소와 전화번호 발음이 범용 모델에 실질적인 과제를 제기한다고 덧붙였다.
Patientdesk.ai는 미국 클리닉의 전화를 응답하는 음성 비서를 개발한 경험을 바탕으로, 터키어 사용 사례에 초점을 맞춰 Alania와 Duyu를 훈련했다.
음성 텍스트 변환에서의 Duyu 성능
회사가 공개한 수치에 따르면 Duyu는 공개 터키어 FLEURS 테스트에서 4.71%의 단어 오류율을 기록했다. 같은 테스트에서 OpenAI의 Whisper large-v3 모델은 5.04%였다.
전화 품질의 음성과 이메일 주소 및 전화번호를 언급하는 대화가 포함된 내부 테스트 세트에서 Duyu는 9.87%의 오류율을 기록했다. 반면 회사는 같은 세트에서 ElevenLabs Scribe v2의 오류율이 10.4%였다고 밝혔다. 해당 자료는 테스트 세트의 규모나 방법론에 대한 세부 사항을 설명하지 않으므로, 이 비교는 독립적이고 종합적인 평가가 아니라 회사가 공개한 결과로 이해해야 한다.
Duyu는 녹음된 오디오 파일을 처리하고 실시간으로 라이브 대화를 텍스트로 변환할 수 있어, 실시간 전사 및 음성 통화 애플리케이션을 겨냥한다.
Alania와 저지연 음성 스트리밍
Alania는 일관되고 자연스러운 하나의 음성으로 터키어 텍스트를 읽는 데 초점을 맞춘다. 이 모델은 문장이 완성되기 전에 음성을 스트리밍 형태로 전송할 수 있어, 응답 속도의 영향을 받는 전화 통화와 음성 비서에 적합하다. 현재 플랫폼은 하나의 음성 옵션을 제공하며, 일정, 질문, 진정과 같은 상황에 연관된 억양 옵션을 함께 제공한다.
API 통합과 오픈 연구 프로젝트
두 모델은 널리 사용되는 OpenAI API 형식과 호환되므로, 개발자는 제한적인 수정만으로 기존 애플리케이션에 통합할 수 있다. Patientdesk.ai는 브라우저를 통한 모델 사용과 API 키 생성도 지원한다.
이와 함께 회사는 Antalia-1을 텍스트를 음성으로 변환하는 실험용 오픈 소스 터키어 모델로 공개했다. 이 릴리스에는 모델 가중치와 코드, 기술 보고서 및 약 5시간 분량의 터키어 음성 데이터가 포함된다. 회사는 이 연구 프로젝트를 상용 제품과 분리하고 있다.
실질적으로 무엇이 달라지는가?
이번 출시는 특히 전화 통화와 숫자 및 이메일 주소가 포함된 데이터 등 특정 터키어 사용 사례를 겨냥한 선택지를 개발자에게 제공한다. 그러나 공개된 비교만으로 모든 환경에서의 품질을 판단하기에는 충분하지 않으며, Alania가 현재 하나의 음성만 제공한다는 점도 사용 유연성을 제한한다. Antalia-1은 연구자에게 검토와 개발이 가능한 출발점을 제공하지만, 성능 평가와 실제 라이선스에 관한 사항은 자료에 제시된 세부 내용의 범위를 벗어난다.