검증된 피드 11개에서 자동 수집하고, AI 요약이 코드 게이트를 통과한 것만 게시합니다. 게이트는 카탈로그에 없는 모델명·원문에 없는 수치·상대 시점 표현을 막습니다.
멀티모달 60건 · 필터 해제
AWS 파트너사 Cartesia가 상태공간모델(SSM) 아키텍처를 활용한 음성 AI 애플리케이션을 소개했다. 텍스트를 음성으로 변환하는 'Sonic'과 음성을 텍스트로 변환하는 'Ink' 두 모델을 서브-100ms 지연시간으로 제공한다. Sonic은 약 90ms 안에 첫 음성 바이트를 생성하며 44개 이상 언어를 지원하고, 10초 분량의 음성 샘플로 음성 복제가 가능하다. Ink는 별도의 음성활동감지(VAD) 모델 없이 대화 턴 종료 시점을 자동으로 감지한다. 데이터 주권이나 규제 준수가 필요한 경우 Cartesia 모델을 AWS 환경에 배포할 수 있다고 설명했다.
미국 음성 AI 기업 라임이 음성 대 음성 방식으로 작동하는 대화형 AI 모델 '프리즘'을 출시했다. 텍스트 변환 과정을 거치지 않고 이용자의 목소리를 직접 분석해 응답하며, 말투와 억양, 망설임까지 파악한다. 상대방이 말을 끊으면 즉시 반응하도록 설계됐고, 응답 시작까지 약 0.57초가 걸린다.
NC AI가 로봇과 산업 장비가 주변 환경을 스스로 인식하도록 설계된 경량 시각·언어 모델(VLM) '배키 비전 3B'를 공개했다. 회사 자체 평가에서 공간 이해 관련 벤치마크 3종 평균 점수가 비교 대상으로 선정한 해외 공개 모델 6종보다 높게 나왔다고 밝혔다. 문서·이미지 이해와 짧은 영상 분석 기능도 갖췄으며, 용접 데이터를 추가 학습시킨 특화 모델도 함께 공개했다. NC AI는 한화오션, 포스코DX, 현대로템 등과 협력 중인 제조·조선·국방 분야 피지컬 AI 사업에 이 기술을 적용할 계획이다.
삼성전자 무선이어폰 '갤럭시 버즈 온'을 착용하고 자전거로 이동하며 구글 '제미나이 라이브'를 음성으로 호출해 길찾기를 요청한 체험기다. '헤이 구글'로 호출해 광화문역에서 여의도역까지 가는 길을 묻자 휴대전화 검색 없이 5호선 환승 없는 경로를 바로 안내받았다. 이동 중에도 AI 음성은 또렷하게 들렸고 동시에 주변 차량 소리도 함께 들을 수 있었다. 다만 체험기에는 AI와의 대화가 항상 순조롭지는 않았다는 언급도 포함됐다.
NC AI는 피지컬 AI에 탑재할 수 있는 초경량 시각언어모델(VLM) '배키 비전 3B'를 개발했다고 3일 밝혔다. 이 모델은 로봇과 산업용 엣지 장비에 탑재하도록 설계된 경량 멀티모달 모델로, 로봇이 시각 정보를 바탕으로 판단하고 행동하는 시각언어행동(VLA) 모델의 기반이 된다. NC AI 자체 평가 결과 로봇·공간 이해 능력을 평가하는 글로벌 벤치마크 'BLINK', 'ERIQ', 'ERQA' 3종에서 평균 63.8점을 기록했다.
앤트로픽이 비공개로 테스트 중인 것으로 알려진 '페이블 5.5'를 활용해 일본 극장판 수준의 2D 애니메이션을 코드로만 제작했다는 주장이 나왔다. 기존 영상 생성 AI를 쓰지 않고 대형언어모델이 직접 프로그램을 작성해 캐릭터, 배경, 움직임을 구현했다는 것이다. 2일(현지시간) X에서 활동하는 AI 개발자 체타슬루아가 해당 애니메이션 영상을 공개하며 화제가 됐다. 다만 실제 제작 방식이 순수 코드 생성인지는 아직 확인되지 않았다.
NC AI가 로봇과 산업용 엣지 디바이스에 탑재할 수 있는 경량 시각언어모델(VLM) '배키 비전 3B'를 개발했다고 3일 밝혔다. 이 모델은 비디오 입력 시 4초 8프레임 단위로 프레임 간 관계를 동시에 분석해 로봇의 미세한 동작이나 작업 대상의 궤적을 파악하도록 설계됐다. 학습 데이터에는 용접 결함 등 산업 현장 이미지와 로봇·공간 추론 데이터가 포함됐다. 회사 측은 이 모델이 더 큰 규모의 모델보다 앞선 성능을 보였다고 설명했다.
메타가 AI 가상 반려동물 앱 '와들 월드'를 필리핀에서 출시했다고 테크크런치가 10월 28일 보도했다. 사용자는 반려동물을 키우며 먹이를 주고, 음성이나 글로 하루 일과를 입력하면 반려동물이 자기 말투로 일기를 쓰고 낙서 이미지도 생성한다. 미니게임과 주간 이메일 기능도 제공되며, 메타는 습관 형성을 위한 연속 접속 기록이나 점수 기능, 챗봇·AI 비서 기능은 없다고 설명했다. 테크크런치는 캐릭터닷AI와 오픈AI가 자사 AI 서비스의 청소년 유해성 소송에 휘말린 상황에서 메타가 AI 동반자 앱 형태를 피한 것으로 분석했다.
엔비디아가 잡음, 울림, 음성 잘림, 압축 손상 등으로 품질이 떨어진 음성을 복원하는 범용 음성 향상 모델 '네모트론랩스 리유즈'를 허깅페이스에 공개했다. 이 모델은 적은 매개변수로도 대규모 음성 향상 모델을 능가하는 성능을 보였다고 회사는 밝혔다. 배경 잡음과 잔향뿐 아니라 오디오 클리핑, 대역폭 제한, 코덱 아티팩트 등 다양한 손상을 복원할 수 있으며 실시간 처리와 다양한 녹음 환경·언어를 지원한다. 상업적 활용이 가능한 오픈 모델로 공개됐다.
엑스리얼의 XR 글래스 '아우라'에는 구글 제미나이가 탑재돼 음성 명령으로 기기를 조작할 수 있다. 사용자가 '유튜브에서 롤러코스터 타는 영상을 찾아 재생해'라고 말하자 제미나이가 곧바로 영상을 실행했고, 눈앞 풍경이 가상 화면으로 바뀌었다. '프루트 닌자' 게임 실행 명령도 즉시 수행됐으며, 실행된 게임은 손동작으로 조작할 수 있었다. 이는 바이라인네트워크가 엑스리얼 아우라를 체험한 첫인상 기사에서 소개된 내용이다.
미국 로봇 기업 리얼보틱스가 실리콘 소재의 사실적인 피부와 생성형 AI를 결합한 반려 휴머노이드 로봇 '에코'를 공개했다. 챗GPT, 클로드, 제미나이 등 주요 대화형 AI 플랫폼과 연동해 100개 이상의 언어로 교감할 수 있으며, 비전 시스템 '빈치'로 사용자의 얼굴과 시선을 인식해 1초 미만의 반응 속도로 눈을 맞춘다. 상반신 관절형 탁상형과 전신 관절형 두 가지 모델로 나오며 별도의 월 소프트웨어 구독료가 적용된다. 다만 대화 및 얼굴 인식 데이터가 외부 클라우드 AI 서비스로 전달될 수 있어 개인정보 보호가 향후 과제로 꼽힌다.
중국 스마트 안경 업체 로키드가 마이크로 LED 컬러 디스플레이를 탑재한 첫 제품 '로키드 컬러'를 공개했다고 외신이 보도했다. 무게는 55g이며 터치 조작뿐 아니라 시선 추적 기능을 지원해 손을 쓰지 않고도 메뉴 탐색과 선택이 가능하다. 알림 확인, 동영상 시청, 사진 촬영 시 뷰파인더 활용이 가능하며, 메타의 '메타 레이밴 디스플레이'와 달리 별도 손목 밴드나 핀치 제스처가 필요 없다. 알리바바도 시선 추적 기능을 갖춘 '큐원 글래스 N1'을 선보인 바 있다.
엔비디아가 10월 28일 음성을 텍스트로 옮기는 오픈 가중치 모델 '네모트론 3.5 트랜스크라이브'를 공개했다. 40개 언어 받아쓰기와 영어-다국어 간 음성 번역을 지원하며, 최대 1시간 분량 녹음을 한 번에 처리하고 화자를 구분해 표시한다. 엔비디아가 자체 발표한 단어 오류율은 영어 9개 데이터셋 평균 4.71%, 7개 언어 평균 4.62%였고, 다자 대화 평가에서는 기존 최고 공개 결과(16.83%)보다 낮은 15.80%를 기록했다고 밝혔다. 모델은 허깅페이스에서 상업적 이용이 가능한 'OpenMDW-1.1' 라이선스로 제공되며, 업종별 전문 용어 학습용 음성 데이터셋 '그래너리' 2버전도 함께 공개됐다.
중국 XR 기기업체 엑스리얼이 구글과 협력해 차세대 스마트 안경 '아우라(AURA)'를 공개했다. 최대 5개의 가상 화면을 동시에 띄우고 손동작으로 조작할 수 있으며, AI가 개인 비서처럼 업무를 지원하는 기능을 갖췄다. 콘텐츠 감상 중심이던 기존 스마트 안경에서 벗어나 업무와 엔터테인먼트를 모두 아우르는 기기로 시장을 공략한다는 전략이다. 30일 서울 마포구 홍대스퀘어에서 신제품 체험회가 열렸다.
미래학자 레이 커즈와일(78)이 자신의 얼굴, 목소리, 지식과 사고방식을 재현한 디지털 복제 AI를 만들었다. 이 AI는 사람들과 대화하며, 생성된 이후에도 새로운 정보를 학습하고 대화 경험을 기억하도록 설계됐다. 커즈와일이 사망한 뒤에도 복제 AI는 계속 존재하며 독자적인 경험을 쌓을 수 있어, 인간의 정체성과 의식의 연속성에 관한 질문을 제기한다. 커즈와일은 2005년 저서 '특이점이 온다'에서 인간과 AI의 융합을 예언한 바 있다.
메타가 AI 기반 패션 앱 '스타일 스케치(Style Sketch)'를 조용히 출시했다. 이 앱은 인스타그램에 연동되어 이미 공유한 사진들로 가상 옷장을 구성해준다. 사용자는 사진 촬영, 짧은 영상 녹화, 카메라롤 이미지 업로드를 통해 옷을 수동으로 추가할 수도 있다.
Nvidia가 무료로 사용할 수 있는 음성-텍스트 변환(STT) 모델을 공개했다. 이 모델은 최대 40개 언어의 녹음 파일을 텍스트로 변환할 수 있지만, 실시간 음성이 아닌 녹음된 오디오에만 적용된다. 이에 따라 회의록 작성이나 의료 기록 전사 도구에 활용될 수 있는 반면, 실시간 전사는 ElevenLabs 같은 경쟁사의 영역으로 남아 있다.
메타가 챗봇 기능을 갖춘 가상 애완동물 게임 '와들 월드(Waddle World)'를 출시했다. 앱스토어와 플레이스토어 설명에 따르면 이는 16비트 스타일의 '펫 케어 게임'을 가장한 일기 앱으로, 이용자는 가상 펫과 글이 아닌 대화로 소통하며 펫은 대화 내용을 그림으로 그려준다. 식료품 쌓기나 단어 게임 같은 '편안한 게임'도 함께 즐길 수 있다고 소개됐다.
리퀴드 AI가 기기에서 직접 실행되는 온디바이스 AI 모델 'LFM3'를 공개했다. 소형 모델 6종으로 구성되며 텍스트, 이미지, 음성, 멀티모달, 의사결정 모델을 하나의 공통 기반 아키텍처로 통합했다. 브라우저 자동화와 업무용 애플리케이션 제어 등 복잡한 작업을 기기 내에서 빠르게 처리하도록 설계했다. 모델 가중치는 허깅페이스와 리퀴드 AI 플랫폼을 통해 공개됐다.
바이두가 수백 페이지에 달하는 긴 문서를 한 번에 읽고 분석할 수 있는 OCR 모델 '언리미티드 OCR 2'를 오픈소스로 공개했다. 이 비전언어모델(VLM)은 문서의 문자뿐 아니라 표, 수식, 그림, 제목 구조까지 인식해 정리할 수 있다. 문서가 길어져도 연산량과 메모리 사용량이 급격히 늘어나지 않도록 'SR-SWA'라는 희소 어텐션 기술을 적용했다.
마이크로소프트가 이미지 편집 AI 모델 'MAI 이미지 2.7' 프리뷰 버전을 공개했다. 이 모델은 평가 플랫폼 아티피셜 애널리시스(AA)에서 오픈AI 모델을 제치고 2위에 올랐고, 이미지 아레나에서는 3위를 차지했다. 장면 전체의 조명과 분위기를 바꾸거나 이미지 속 텍스트와 기호를 자연스럽게 수정하는 등 복잡한 편집 작업에서 이전 모델보다 향상된 제어 능력을 제공한다고 MS는 밝혔다.
구글 딥마인드가 글로 지시하면 가상세계를 실시간으로 바꿀 수 있는 AI 모델 '지니4'를 연구용 미리보기로 공개했다. 사용자는 AI가 만든 가상 공간을 탐색하면서 날씨를 바꾸거나 새로운 인물을 추가할 수 있다. 또한 장면에 맞는 음악과 주변 소음, 등장인물의 대화도 함께 생성한다. 테크크런치가 27일(현지시각) 보도했다.
이븐 리얼리티스가 호피무늬 디자인을 적용한 스마트 안경 'G2 브라운2'와 편광 클립, 휴대용 체인 액세서리를 공개했다. 카메라를 탑재하지 않아 일반 안경과 비슷한 슬림한 디자인을 구현했으며, 실시간 번역·길찾기·AI 비서·메모 기능을 지원한다. 'Hey Even'으로 AI 비서를 호출하면 퍼플렉시티와 이븐의 대규모 언어모델을 활용해 답변하며, 목적지를 설정하면 구글 지도 기반 길 안내 정보가 시야에 표시된다. IT매체 폰아레나가 이 같은 소식을 보도했다.
구글 딥마인드가 텍스트 명령만으로 가상 세계를 실시간 구현하는 세계 모델 '지니(Genie) 4'의 연구 미리보기를 공개했다. 지니 4는 가상 공간 탐험과 함께 상황에 맞는 음악, 환경음, 대화를 동시에 생성하며, 물리 법칙 구현과 인물 표현 능력이 향상됐다. 시뮬레이션 도중 명령으로 날씨나 카메라 앵글을 바꾸거나 새 인물을 추가할 수 있고, 장면 유지 시간은 이전보다 2배 늘어난 최대 2분이다. 이는 제미나이 4 아르곤 모델이 작업 단계를 나누어 설계하는 방식을 적용한 결과다. 현재 신뢰 테스터에게 연구 미리보기로 제공 중이며, 수주 내 구글 AI 울트라 구독자와 제미나이 API 얼리 액세스 파트너로 대상이 확대될 예정이다.
구글 딥마인드가 화면과 소리를 함께 생성하는 월드모델 '지니4'를 일부 시험 사용자에게 연구용으로 공개했다. 사용자가 글로 요청하면 실시간으로 장면과 소리를 만들고, 키보드 입력이나 카메라 조작에 따라 다음 장면이 이어지는 방식으로 작동한다. 영화·게임 제작자는 촬영이나 개발 전 아이디어를 시험하는 데 쓰고 있으며, 구글은 제미나이와 결합해 로봇이 과제를 수행하는 가상환경도 시험하고 있다. 아직 실험 단계로, 복잡한 수정을 반복하면 물체 모습과 위치가 달라지는 등 한계가 남아 있다.
구글이 인터랙티브 경험을 생성하는 월드모델 'Genie 4'를 발표했다. 더 현실적인 가상 세계 생성, 자연어 프롬프트로 경험을 실시간 수정하는 기능, 오디오 생성 기능이 새로 추가됐고 내부적으로 Gemini 3.8 Flash를 활용해 시뮬레이션을 보조한다. 생성 가능한 경험 길이도 기존 Genie 3의 1분에서 약 2분으로 늘었다. 구글은 영화 사전시각화, 게임 아이디어 프로토타이핑, 로봇 훈련 시나리오 제작 등에 활용될 수 있다고 소개했다.
일레븐랩스가 영상의 흐름과 타임스탬프를 분석해 장면별 배경음악과 효과음을 자동으로 만들어주는 '인스턴트 사운드트랙'을 선보였다. 생성된 음악과 효과음은 각각 분리해 편집할 수 있으며, 기존 영상에 있던 오디오의 장르·BPM·악기 구성을 참고해 반영하는 기능도 포함됐다. 개발자용 'Video to Music API'에는 효과음 생성, 트랙 분리, 기존 오디오 참조 파라미터가 추가돼 한 번의 요청으로 최대 10개 영상을 처리할 수 있다. 일반 사용자는 일레븐크리에이티브의 뮤직 비디오 에디터에서 음악과 효과음을 레이어별로 수정할 수 있으며, 해당 기능은 10월 15일부터 제공되고 있다.
허깅페이스가 DNA 서열을 입력하면 유전자 변이의 영향을 예측하고 그 이유를 자연어로 설명하는 AI 모델 '카본-X'를 오픈소스로 공개했다. 이 모델은 DNA와 자연어를 하나의 모델에서 함께 처리하며, 알리바바의 '큐원3-14B'를 기반으로 개발됐다. 허깅페이스 자체 평가에서 대형 범용 AI에 근접한 성능을 보이면서도 추론 비용은 낮췄다고 밝혔다. 연구자가 자체 장비에서 모델을 실행할 수 있어 민감한 유전체 데이터를 외부 AI 서비스로 보내지 않고 분석할 수 있다는 점도 특징이다.
홍콩 로봇기업 피규로봇이 사람처럼 표정을 짓는 탁상형 AI 로봇 'FR-NIA'를 공개했다. 키 약 28cm 크기로 얼굴과 목에 10개의 자유도를 적용해 50가지 이상의 표정을 구현한다. 내장 카메라로 사용자를 추적해 움직임에 맞춰 눈과 고개를 돌리는 기능도 갖췄다. 스마트폰 앱을 통해 로봇의 표정과 동작을 실시간으로 조작하거나 새로운 동작을 직접 만들 수도 있다.
텐센트가 텍스트 명령과 카메라 움직임에 맞춰 영상을 이어 생성하는 월드 모델 'Hy-Nomas'를 오픈소스로 내놨다. 사용자는 영상 생성 도중 사물을 추가하거나 등장인물의 행동, 배경, 화풍을 바꿀 수 있고 카메라 시점과 이동 경로도 지정할 수 있다. 이전에 생성한 장면 정보를 다음 구간에 활용하도록 설계됐으며, 모델 가중치와 실행 코드가 함께 공개됐다. RTX 4090 한 장에서 구동 가능한 저메모리 설정도 제공된다.
카카오가 스마트폰 등 기기 자체에서 구동되는 온디바이스 멀티모달 AI 모델 '카나나-o'를 개발했다. 이 모델은 향후 '카나나 스페이스' 등 카카오톡의 핵심 AI 서비스에 적용될 전망이다. 카카오는 비전 인코더를 공개한 데 이어 오디오 인코더도 연내 공개할 계획이다. 이를 통해 텍스트뿐 아니라 음성 입력과 이미지 이해가 가능한 멀티모달 AI로 고도화하는 작업을 진행 중이다.
트위터 공동창업자 잭 도시가 이끄는 결제기업 블록이 자체 연구조직에서 개발한 음성 AI '데사'를 공개했다. 데사는 텍스트 변환 과정 없이 사람 대화 음성만으로 학습해 웃음, 머뭇거림, 감정에 따른 말투 변화를 구현했다. '풀 듀플렉스' 기술로 상대방 말을 들으면서 동시에 대답할 수 있으며, 엔비디아 GPU 서버 랙으로 학습해 애플 M4 맥스 맥북프로급 개인 컴퓨터에서도 구동 가능하다. 블록은 일반 서비스 적용 일정 없이 AI 안전 연구자에게 먼저 접근 권한을 제공해 위험성을 점검할 계획이며, 공개된 시연 영상은 자체 제작으로 독립 검증 결과는 아직 없다.
잭 도시가 이끄는 Block이 사람 간 대화 음성 데이터만으로 처음부터 학습시킨 AI 모델 'Dessa'를 발표했다. Block은 이를 full-duplex 방식의 음성 대 음성 대화 모델이라고 설명했다. Dessa 리드 Ragavan Thurairatnam이 공유한 예시 대화는 대체로 자연스러운 주고받음을 보였지만, 모델이 화자를 'Ronaldo'라는 사람으로 착각하는 등 어색한 모습도 나타났다. Block은 Dessa를 '음성만으로 학습되어 현실적인 대화가 가능한 최초의 AI 모델'이라고 소개했다.
중국 국영방송 CGTN이 여러 매체의 실시간 보도를 요약해주는 AI 뉴스 도우미 'News Pal'을 2026년 10월 서비스 개시했다. 같은 주제를 다룬 다수의 보도에서 중복을 제거하고 핵심을 추려 브리핑 형태로 제공하며, 채팅 기능으로 추가 질문도 할 수 있다. 시스템은 LLM의 내부 지식만 쓰지 않고 실제 기사를 검색해 근거로 답변하며, 이용자는 원문 링크로 세부 내용을 확인할 수 있다. CGTN은 번역, 오디오 뉴스 생성, 맞춤 추천, 일일 브리핑 등으로 AI 활용을 확대해왔다고 밝혔다.
캔바가 자체 개발한 이미지 생성 모델 '캔바 크래프트'를 공개했다. 이 모델은 사진처럼 보이는 이미지를 만드는 데 그치지 않고 디자인 구성과 글자 배치까지 이해하도록 설계돼, 생성한 이미지를 바로 편집 가능한 디자인으로 활용할 수 있다는 점이 특징이다. 최대 2K 해상도의 이미지를 생성하며, 소셜미디어 게시물부터 포스터와 배너까지 다양한 용도에 맞춰 30가지 이상의 화면 비율을 지원한다. 디자인 분야 AI 모델 평가 플랫폼인 '디자인 아레나'에서는 4위에 올랐다.
글로벌 미디어아트 기업 램퍼스가 현대백화점 무역센터점의 옥외대형 미디어 삼성 Canvast에서 실시간 AI 환경인식 옥외미디어 기술을 실증했다. 이 프로젝트는 경기도와 경기콘텐츠진흥원이 주관하는 '2026 문화기술 콘텐츠 제작지원' 사업 선정작이며, 현대퓨처넷이 지정과제를 제안하고 매체 인프라와 솔루션 협력을 지원했다. 기존에는 미리 제작한 영상을 반복 재생하는 방식이었지만, 이번 기술은 현장 데이터를 활용해 콘텐츠를 실시간으로 생성하는 방식으로 전환한 것이 특징이다.
온디바이스 AI·로보틱스 기업 인티그리트가 VLM·VLA(비전-언어-행동) 기반 로봇 환경 인식, 행동 판단, 상황 적응형 제어, 로봇 시스템 연동 기술과 관련한 국내 특허 4건을 등록했다. 회사는 이를 바탕으로 차세대 휴머노이드 로봇을 위한 예측형 피지컬 AI 플랫폼 공급과 협력을 본격화한다고 밝혔다. 기존 VLA 기술에 로봇 행동이 초래할 물리적 상태 변화를 예측하는 월드모델을 결합했다고 설명했다.
이븐 리얼리티스 코리아가 AI 스마트 안경 '이븐 G2' 도수 렌즈 주문 서비스를 확대한다고 23일 밝혔다. 현재 파피루스 서울·경기 지역 7개 매장에서 개인 시력에 맞춘 도수 렌즈 주문 서비스를 운영 중이며, 11월에는 브리즘 일부 매장으로 서비스를 넓힐 예정이다. 이븐 G2는 일반 안경과 유사한 형태에 AI 기반 정보 제공 기능을 결합한 스마트글래스로 카메라를 탑재했다.
캔바가 오픈AI, 마이크로소프트, 구글의 이미지 생성 모델과 경쟁하는 자체 모델 '캔바 크래프트'를 공개했다. 이 모델은 이미지를 생성하기 전에 디자인을 먼저 계획하는 2단계 구조를 적용해 정밀성, 일관성, 제어력을 높였다고 캔바는 발표했다. 최대 2K 해상도와 30종 이상의 화면비로 이미지를 생성할 수 있다. 소셜미디어 게시물과 마케팅 콘텐츠뿐 아니라 사실적인 장면, 디지털 아트, 환경 이미지 등도 만들 수 있다고 소개됐다.
AWS가 Amazon Polly의 Generative 음성 엔진을 업그레이드해 9개 지역에서 14개 새 음성을 추가하고, 힌디어와 핀란드어 생성형 음성을 처음으로 정식 출시했다고 밝혔다. 이번 업그레이드는 기존 생성형 음성에 그대로 적용되는 드롭인 방식으로, 음성 이름과 API 호출 방식이 바뀌지 않아 기존 애플리케이션 코드를 변경할 필요가 없다. 숫자·주소·통화 등 고유명사 발음 정확도와 문맥에 따른 감정·억양 표현이 개선됐다고 설명했다. AWS GovCloud(US-West)로도 리전이 확장돼 총 11개 AWS 리전에서 서비스된다.
미스트랄 AI가 음성 인식(STT)과 음성 생성(TTS)을 결합한 새 음성 AI 모델 제품군 '복스트랄 3'을 20일(현지시간) 출시했다. 모델과 함께 소프트웨어 개발 키트(SDK)를 함께 제공해 실시간 음성 에이전트 개발을 지원한다는 설명이다. 이를 통해 기업의 고객 상담, 음성 기반 업무 자동화, 대화형 서비스 구축에 필요한 개발 과정을 단순화한다는 계획이다.
월스트리트저널(WSJ)이 2026년 중간선거를 앞두고 AI 분석 도구 '도플러(Doppler News AI)'를 공개했다. 전화·ARS 기반 전통적 여론조사가 2024년 미국 대선에서 민심을 제대로 포착하지 못했다는 반성에서 나온 시도다. 도플러는 틱톡 영상 2500만 개 이상, 팟캐스트 50만 회차, 인스타그램 비디오와 케이블 방송 음성을 수집해 벡터 임베딩 기술로 분석한다. WSJ는 이를 활용해 'AI 감시 카메라 반대' 담론과 '장바구니 물가' 이슈를 분석해 기존 여론조사로 드러나지 않던 초당파적 여론 흐름을 짚어냈다. 도플러는 기사를 자동 작성하는 자율형 에이전트가 아니라 데이터 저널리스트와 기자들이 함께 쓰는 협업 도구이며, WSJ는 기사마다 알고리즘과 데이터 추출 방식, 한계를 명시한다.
음성 AI 경쟁의 중심이 응답 속도에서 '언제 말을 시작하느냐'로 옮기고 있다. 프랑스 미스트랄AI는 10월 20일 음성 AI 모델군 '복스트랄 3'를 공개했고, 같은 날 일레븐랩스도 '일레븐 리얼타임'을 내놨다. 두 모델 모두 상대의 말이 끝났는지 판단하는 '발화 종료 감지(턴 감지)' 기술로 대화 중 말을 끊거나 침묵을 오인하는 문제를 줄이는 데 초점을 맞췄다. 국내에서는 채널톡 운영사 채널코퍼레이션이 21일 AI 전화 상담 서비스 '보이스 알프'를 정식 출시해 한국어 특유의 머뭇거림을 구분하는 기능을 선보였다.
기업용 AI 멀티미디어 제작 플랫폼 fal이 독일 AI 모델 개발사 블랙 포레스트 랩스와 공동 개발한 비디오 생성 모델 '플럭스 3 맥스'를 10월 20일(현지시간) 출시했다. 이 모델은 사용자 맞춤형 기능에 중점을 두고 설계된 것이 특징이다. 기사는 AI 비디오 생성 시장에서 품질 경쟁에 이어 속도 경쟁이 본격화하고 있다고 전했다.
카카오가 AI가 화면을 보고 직접 조작하는 컴퓨터 유즈 기술에 필요한 비전 인코더 2종을 허깅페이스에 오픈소스로 공개했다. 공개 모델은 '카나나-2 비전 인코더' 미디엄과 온디바이스용 타이니로, 연구와 상업적 활용이 모두 가능한 카나나 오픈 라이선스가 적용됐다. 카카오는 9개 영역 42개 벤치마크로 성능을 평가했다고 밝혔다.
카카오가 AI가 사진이나 문서 등 시각 데이터를 이해하는 데 쓰이는 비전 인코더 기술 ‘카나나-2 비전 인코더’를 글로벌 AI 개발 플랫폼 허깅페이스를 통해 오픈소스로 공개했다. 외부 연구자와 기업이 상업적으로도 활용할 수 있도록 허용했으며, ‘미디엄’과 ‘타이니’ 두 종류로 제공된다. 카카오는 향후 자체 개발 AI 모델의 핵심 구성 기술도 순차적으로 개방할 계획이라고 밝혔다.
카카오가 고해상도 이미지와 문서·문자 인식에 특화한 자체 개발 비전 인코더 2종을 허깅페이스에 오픈소스로 공개했다. 공개된 모델은 'Kanana-2-vision-encoder' 시리즈로 '미디움(medium)'과 '타이니(tiny)' 두 가지 버전이다. 카카오는 이를 통해 멀티모달 인공지능(AI) 경쟁력을 강화한다는 방침이다.
구글이 AI 자료 제작 도구 '제미나이 노트북'의 '슬라이드 덱'과 '비디오 오버뷰' 기능에 공동 제작 기능을 도입했다고 19일(현지시간) 밝혔다. 기존에는 명령어 입력 즉시 완성본이 만들어졌지만, 이제는 프레젠테이션이나 동영상을 생성하기 전에 구성안을 검토하고 수정할 수 있다. 사용자가 기획 단계부터 AI와 함께 내용을 구성하고 결과물을 다듬을 수 있도록 한 것이 핵심이다. 이번 업데이트는 사용자 피드백을 반영해 이뤄졌다.
미국 스타트업 스카이폴 AI가 복잡한 물리적 제품 설계를 자동화하는 월드모델 '스카이-001'을 공개했다. 아이디어나 2D 스케치를 입력하면 설계 구조를 계층적으로 나누고, CAD와 BIM 소프트웨어에서 구현 가능한 단계별 제작 계획을 생성한다. 스카이폴 AI는 19일(현지시간) 이 모델이 기존 대형언어모델 중심 접근법을 넘어 장기적인 공간 계획과 반복적인 3D 추론을 수행하도록 설계됐다고 밝혔다. 자동차 엔진, 드론, 위성 등 다양한 물리적 제품 설계에 적용할 수 있다고 설명했다.
NC AI는 AI 기반 3D 제작 서비스 '바르코 3D'와 사운드 제작 서비스 '바르코 사운드'의 구독 혜택을 확대한다고 20일 밝혔다. 바르코 3D는 텍스트나 이미지를 입력하면 3D 애셋을 생성하고, 사물의 표면과 질감을 구현하는 텍스처 기능을 지원한다. 바르코 사운드는 텍스트·이미지·영상의 맥락을 분석해 효과음과 배경음을 생성하며, 생성된 소리를 개별 트랙으로 분리해 볼륨 조절과 교체·삭제가 가능하다.
삼성전자가 자사 최초 클립형 무선 이어폰 '갤럭시 버즈 온'을 기자간담회에서 공개했다. 4D 컴퓨팅 기반 AI 최적화로 인체공학 설계를 적용해 착용감을 높였고, 형상기억합금 밴드와 트윈부스트 스피커로 저음을 보강했다. 머신러닝 기반 '인텔리전트 클리어 콜'로 통화 품질을 개선했으며, 호출어 반복 없이 제미나이 라이브를 실행하는 등 갤럭시 AI 연동 기능도 담았다. 고개 움직임으로 기기를 제어하는 헤드 제스처와 녹음 즉시 빅스비 검색이 가능한 퀵 보이스 메모 기능도 포함됐다. 제품은 27일 국내 출시된다.
TwelveLabs의 비디오 언어 모델 Pegasus 1.5가 Amazon Bedrock에서 제공된다. 사용자가 정의한 구간·이벤트 기준에 맞춰 영상 전체를 분석해 시작·종료 시간이 포함된 JSON 형태의 타임스탬프 메타데이터를 반환한다. 텍스트 설명에 참조 이미지를 결합하는 멀티모달 프롬프트와, 사전 인덱싱 없이 S3 URI나 base64 문자열로 바로 처리하는 온더플라이 처리 기능이 새로 추가됐다. 한 번의 요청으로 처리 가능한 영상 길이도 이전 버전 대비 늘었다.
AI 스타트업 엘로리안이 이미지와 영상을 반복해서 살펴보며 추론하는 시각 AI 모델 '글림프스'를 연구 프리뷰로 공개했다. API와 채팅 인터페이스를 통해 제공되며, 추론 도중 이미지의 특정 영역을 확대하거나 영상의 특정 구간을 다시 확인하면서 판단을 수정하는 데 초점을 맞췄다. 엘로리안의 자체 평가에서는 과학 차트 분석, 물체 수 세기, 짧은 영상 설명 등 일부 시각 추론 과제에서 오픈AI의 'GPT-6 아스트라'를 앞선 것으로 나타났다.
로보틱스 기업 조델 로보틱스가 국제산업박람회(CIIF)에서 산업용 체화지능 구현을 위한 풀스택 제품군을 공개했다. 공개 제품은 다섯 손가락을 갖춘 생체 모방형 덱스터러스 핸드 '모차르트', 자체 개발 시촉각 센서, 체화지능 데이터 수집 키트 등 3종이다. 모차르트 핸드는 손가락마다 고정밀 촉각 센서를 통합한 분산형 전 영역 촉각 구조를 갖췄다. 조델은 로봇의 인지와 상호작용, 동작 실행을 연결하는 통합 기술을 바탕으로 연구기관과 휴머노이드 로봇 개발사, 첨단 제조업체 대상 제품·솔루션 공급을 확대할 방침이라고 밝혔다.
오픈AI가 공개하지 않은 이미지 생성 모델 3종을 테스트하고 있다는 정황이 포착됐다. 개발자용 API에 '오로라-레드-알파', '오로라-그린-알파' 등 모델명이 잠시 노출된 데 이어, 이미지 생성 결과를 비교하는 테스트 플랫폼에서도 같은 모델들이 발견됐다. 업계에서는 이 모델들이 차기 이미지 생성 모델 'GPT-이미지-3'일 가능성에 주목하고 있다.
리퀴드 AI가 기존 선두 모델 '제브'를 성능 평가에서 앞선 멀티모달 의사결정 모델 'd1-울트라'를 공개하고 자사 API를 통해 제공을 시작했다. 텍스트와 이미지를 함께 분석하며 판단 정확도와 확률값의 신뢰도를 높인 것이 특징이다. 독립 평가에서도 의사결정 모델 가운데 1위를 기록했다. 리퀴드 AI는 이 모델이 기존 의사결정 모델이 잘 처리하지 못하는 복잡하고 불규칙한 실제 업무 처리에 초점을 맞췄다고 설명했다.
클링 AI가 영상의 사실성과 움직임, 장면 제어 능력을 강화한 ‘클링 4.0’을 정식 출시했다. 한 번에 30초 길이의 영상을 생성하며, 여러 참조 자료와 주요 프레임을 지정해 인물·장면의 일관성과 전개를 조정할 수 있다. 개편된 클링 AI 웹사이트에서 이용할 수 있으며, MCP와 명령줄 인터페이스(CLI)를 통한 외부 도구 연동도 지원한다.
룰루레몬이 원단 비침 논란 끝에 원자재 개발팀 직원 7명을 해고하고 생산지 인근 조직 개편에 나섰다. 중국 네오드라다이내믹스는 500㎏ 짐을 드는 4m급 휴머노이드 로봇 '네오1'을 공개했다. 삼성전자의 첫 스마트 안경 '갤럭시 글래스'는 퀄컴 AR1 칩셋과 구글 제미나이를 탑재해 음성 통화·길 안내·시각 검색을 지원하는 것으로 유출됐다. 테슬라는 차세대 로드스터의 급가속·공중 도약 시연을 공개하며 2028년 생산을 예고했고, 애플의 첫 폴더블폰 '아이폰 듀오'는 사전예약 직후 매진돼 배송일이 내년으로 밀렸다.
블랙포레스트랩스(BFL)가 이미지 생성·편집 모델 '플럭스 3 이미지 클라인(FLUX 3 Image Klein)'의 가중치를 공개했다. 이 모델은 최대 10장의 참조 이미지와 4K 이미지 생성을 지원하며, 특정 영역만 선택해 수정하거나 원하는 위치에 요소를 배치하는 편집 기능을 제공한다. 개인과 연 매출 500만달러 미만 기업은 무료로 상업적 이용이 가능하며, 그 이상 규모의 기업은 별도 계약이나 API를 이용해야 한다.
트웰브랩스가 자체 파운데이션 모델에 임베딩과 메타데이터 생성 기술을 적용한 영상 이해 AI 에이전트 '자키'를 16일 출시했다. 사용자가 말로 요청하면 영상 속 원하는 장면을 찾아 하이라이트 가편집본을 만들거나 반응이 좋은 클립만 추출할 수 있다. 유튜브, 틱톡 등 소셜 영상 링크를 입력하면 트렌드와 반응 지표를 분석해 홍보용 레퍼런스 영상도 추천해준다.