Rime、파인튜닝 가능한 기업용 음성 대 음성 모델 「Prism」 발표

음성 AI 기업 Rime이 기업용 음성 대 음성(S2S) 모델 「Prism」을 발표했다. 온프레미스, 가상 프라이빗 클라우드, 클라우드 중 어디에서든 배포할 수 있으며 파인튜닝도 가능하다고 한다. 입력 음성을 직접 이해하고 응답을 텍스트로 쓰면서 말을 이어가는 엔드투엔드 방식으로 학습된 모델이며, 수백만 시간의 인간 대화로 학습했다고 한다. Rime은 2022년에 창업했고, 2026년 초에 시리즈 A로 2,400만 달러를 발표했다. Prism은 음성을 생성하기 전에 텍스트를 먼저 생성한다. 이 텍스트 출력은 정책 확인, 수정, 발음 조건 설정, 외부 도구 연동을 위한 체크포인트가 되어, 고객에게 전달되기 전에 기업의 규칙과 가드레일로 내용을 확인할 수 있다. 도구 호출은 발화와 병행해 실행할 수 있다. 커스터마이즈는 목소리와 프롬프트 선택에 그치지 않고, 고객 기업의 통화 사례를 활용해 어휘, 상호작용 패턴, 바람직한 대화 동작에 맞춰 조정할 수 있다. 이 과정에는 강화학습 기반 사후 학습이 포함되며, 셀프서비스 강화학습과 지도 파인튜닝 API는 베타 고객과 함께 개발 중이다. 성능과 관련해서는 Revmo와의 실증 결과가 제시됐다. 10월 28일자 보도에서는 평가에 쓰인 OpenAI의 GPT 모델과 비교해 주문 확인 성공률이 68%에서 100%로, 환각 없이 완료된 통화 비율이 35%에서 85%로 향상됐다고 전했다. 한편 11월 4일자 보도에서는 고객 통화 10시간 분량으로 학습한 Prism이 평가에 쓰인 OpenAI 음성 시스템과 비교해 주문 성공률을 90%에서 97%로 높였다고 전했다. 환각 없는 통화가 35%에서 85%라는 수치는 공통되지만, 주문 성공률 수치와 비교 대상의 표현은 보도마다 다르다. 이 밖에 부자연스러운 침묵이 없는 통화는 66%에서 88%로 늘었다. 다만 이는 특정 용도에 대한 기업 보고 결과이며, 일반적인 성능 순위는 아니다. Dialpad가 설계 파트너로 참여해 자사 에이전트형 제품군에 도입할 계획이다. 관련하여 Coda v2에서는 X-SAMPA 음소를 사용하는 커스텀 사전을 요청당 최대 500개까지 지정할 수 있다. 음성 인식에서는 발화 종료부터 최종 스트리밍 전사까지의 중앙값이 105ms로 보고됐으나, 이는 에이전트 전체 응답 시간과 구분해야 하는 부분적인 측정값이다.

보도를 바탕으로 AI가 작성 · 15시간 전 업데이트