기업용 AI 전문 코히어가 첫번째 음성 인식 모델을 공개하며 음성 AI 시장 공략에 나섰다.
코히어는 26일(현지시간) 자동 음성 인식(ASR) 모델 ‘트랜스크라이브(Transcribe)’를 오픈소스로 출시했다.
트랜스크라이브는 회의록 작성, 음성 분석, 고객 응대 자동화 등 다양한 업무에 활용할 수 있는 모델로, 20억 매개변수 규모로 설계돼 일반 GPU 환경에서도 구동이 가능하다. 또 영어, 한국어, 일본어, 중국어를 포함해 총 14개 언어를 지원해 실무 활용성을 높였다.
성능 측면에서도 경쟁력을 강조했다. 허깅페이스 '오픈 ASR 리더보드'에서 평균 단어 오류율(WER) 5.42%를 기록하며 1위를 차지했다. 이는 '위스퍼(Whisper)' '일레븐랩스 스크라이브(Scribe)' '큐원3-ASR-1.7B' 등 주요 모델들을 앞선 수치다.
인간 평가에서도 정확성과 일관성, 활용성 측면에서 평균 61%의 우위를 기록한 것으로 나타났다.
허깅페이스 오픈 ASR 리더보드 (사진=허깅페이스)
처리 속도도 강점이다. 트랜스크라이브는 1분 만에 최대 525분 분량의 오디오를 처리할 수 있어, 대규모 음성 데이터를 다루는 기업 환경에서도 효율적인 운영이 가능하다.
기술적으로는 CNN(합성곱 신경망)과 트랜스포머를 결합한 ‘컨포머(Conformer)’ 구조를 채택해, 음성의 미세한 특징과 문맥을 동시에 반영하도록 설계됐다. 또 긴 음성 데이터를 여러 구간으로 나눠 처리한 뒤 재조합하는 방식으로, 긴 회의나 통화 기록도 안정적으로 처리할 수 있도록 했다.
코히어는 트랜스크라이브를 자체 기업용 플랫폼 ‘노스(North)’에 통합할 계획이며, API를 통해 무료로 제공해 개발자와 기업의 접근성을 높일 방침이다. 또 관리형 추론 플랫폼 ‘모델 볼트(Model Vault)’에서도 사용할 수 있도록 지원한다.
한편, 코히어는 2025년 기준 2억4000만달러(약 3600억원)의 연간 반복 매출(ARR)을 기록한 것으로 알려졌으며, 기업공개(IPO) 가능성도 거론되고 있다.
트랜스크라이브는
허깅페이스
에서 다운로드할 수 있다.
박찬 기자 cpark@aitimes.com
댓글
0