엔비디아, 다국어 음성 AI 모델 맥파이 공개

주장음성 인공지능 서비스에서 지연 시간은 사용자 경험을 결정짓는 핵심 요소입니다. 개발자는 통합 응용 프로그램 프로그래밍 인터페이스 방식 대신 직접 모델을 조정하고 배포할 수 있는 아키텍처를 통해 지연 시간을 완전히 통제해야 합니다.

팩트엔비디아의 맥파이 다국어 음성 합성 모델은 3억 6,400만 개의 매개변수를 가진 오픈 웨이트 모델입니다. 이 모델은 한국어, 현대 표준 아랍어, 브라질 포르투갈어를 포함하여 총 12개 언어를 지원합니다.

교차검증기존의 관리형 서비스는 사용이 간편하지만, 데이터 주권 확보나 특정 영역에 최적화된 미세 조정이 어렵다는 한계가 있습니다. 맥파이는 기업이 자체 기반 시설에서 직접 모델을 운영함으로써 보안 및 최적화 문제를 해결합니다.

팩트비이 200 그래픽 처리 장치 환경에서 맥파이의 첫 음성 출력 시간은 단일 스트림 기준 32밀리초를 기록했습니다. 64개의 동시 스트림 환경에서도 239밀리초의 첫 음성 출력 시간을 유지하며 실시간 대비 320배 빠른 오디오 생성 성능을 보입니다.

주장맥파이는 프레임 스태킹과 로컬 트랜스포머라는 두 가지 기술적 혁신을 통해 성능을 개선합니다. 프레임 스태킹은 디코딩 반복 횟수를 절반으로 줄여 속도를 높이고, 로컬 트랜스포머는 이 과정에서 발생할 수 있는 음질 저하를 보완합니다.

팩트이번 업데이트를 통해 프랑스어와 스페인어의 문자 오류율이 크게 개선되었습니다. 프랑스어 오류율은 기존 2.70퍼센트에서 1.54퍼센트로, 스페인어 오류율은 1.14퍼센트에서 0.60퍼센트로 낮아지며 합성 품질이 향상되었습니다.

교차검증새로 추가된 한국어 모델의 문자 오류율은 2.69퍼센트로 측정되었습니다. 기업은 이 수치를 기준점으로 삼아 자체 데이터를 활용해 특정 영역의 용어나 브랜드 음성을 미세 조정할 수 있습니다.

주장오픈 웨이트 모델을 사용하면 기업은 폐쇄망이나 보안이 중요한 환경에서도 음성 인공지능을 배포할 수 있습니다. 이 방식은 외부 응용 프로그램 프로그래밍 인터페이스 호출 없이 자체 서버 내에서 모든 처리가 이루어지므로 데이터 프라이버시 요구사항을 충족합니다.

팩트맥파이는 힌디어와 일본어에 대한 코드 스위칭 지원을 강화했습니다. 국제 음성 기호 기반의 자소-음소 처리와 사용자 정의 발음 사전을 통해 고유 명사나 기술 용어, 혼용 언어의 발음 정확도를 높입니다.

출처엔비디아의 맥파이 다국어 음성 인공지능 모델 공식 블로그 문서와 엔비디아 음성 합성 엔터프라이즈 마이크로서비스 성능 문서 버전을 교차 검증했습니다.