허깅페이스, 애플용 음성·의사결정 모델 공개

ai.euno.news 자동 뉴스 요약

허깅페이스(Hugging Face)가 애플 기기에서 음성인식과 의사결정을 각각 처리하는 오픈 모델 패키지 AnySpeechRecognizer와 AnyDecisionModel을 공개했다. 두 패키지는 허깅페이스 허브에서 모델을 내려받아 기기 안에서 실행한다. 범용 언어 모델에 모든 작업을 맡기는 대신, 용도별 모델로 속도와 비용 효율을 높이려는 접근이다.¹

AnySpeechRecognizer는 macOS 26·iOS 26에 도입된 애플의 음성 텍스트 변환 API SpeechAnalyzer를 본뜬 패키지다. 기본 엔진은 애플의 Speech 프레임워크지만, 엔비디아(NVIDIA)의 Parakeet이나 알리바바(Alibaba)의 Qwen3-ASR로 바꿀 수 있다. 공통 API를 쓰는 기존 코드라면 import Speech를 import AnySpeechRecognizer로 바꾸고, 전사기 생성 시 모델을 지정하는 방식이다. 화자가 언제 말했는지 구분하는 화자 분리 기능도 추가했다.

지원 모델의 강점은 서로 다르다. Parakeet v3는 6억 매개변수 모델로 유럽 언어 25개를 인식하며, 입력 언어도 자동으로 판별한다. Parakeet Ultra는 v3를 추가 학습한 모델로, 허깅페이스 측정에서는 대부분의 경우 v3보다 정확했다. 영어 전용 Parakeet Unified도 제공된다. 세 모델은 자체 코어 ML(Core ML) 런타임에서 파일과 실시간 입력, 중간 결과, 단어별 시간과 신뢰도를 지원한다.

Qwen3-ASR은 6억·17억 매개변수 두 종류다. 한국어와 일본어를 포함한 30개 언어와 중국어 방언 22개를 처리해 Parakeet이 다루지 못하는 언어를 보완한다. 다만 최대 40초 길이의 구간마다 최종 결과 하나만 내며, 중간 결과나 단어별 시간·신뢰도는 제공하지 않는다. GPU에서 실행되고 Parakeet보다 느려 실시간 처리보다는 파일 전사에 알맞다는 설명이다.¹

AnyDecisionModel은 예·아니요, 객관식, 평점 척도 질문에 자료형이 정해진 결과와 확률을 반환한다. 문장을 생성해 답을 만드는 대신 모델의 확률에서 선택지를 직접 산출한다. 기기에서는 MLX, Core AI, llama.cpp를 쓸 수 있고, Jev나 Ollama의 의사결정 모델도 연결한다. 고객 통화처럼 먼저 음성을 글로 옮기고 이어서 담당 경로를 정하는 작업을 두 전문 모델로 나눌 수 있다는 뜻이다. 다만 공개 자료에는 기기별 처리 속도나 메모리 사용량, 언어별 정확도를 비교한 수치가 제시되지 않았다.

읽기 목록은 이 브라우저에 저장됩니다.