대화 전후 맥락 분석해 발화 종료 시점 판단하는 턴 감지 기능 적용…의료 대화 특화 버전도 지원
(씨넷코리아=정하정 기자) 일레븐랩스(ElevenLabs)가 19일 녹음 음성용 ‘스크라이브 v3(Scribe v3)’와 실시간 음성용 저지연 모델 ‘스크라이브 v3 라이브(Scribe v3 Live)’ 등 음성 인식(STT) 모델 2종을 공개했다.
신규 모델은 한국어를 포함해 90개 이상의 언어를 지원한다. 개발자용 ‘일레븐API(ElevenAPI)’와 기업용 음성채팅 에이전트 플랫폼 ‘일레븐에이전트(ElevenAgents)’에서 이용할 수 있으며, 일레븐랩스 앱에는 기본 모델로 적용됐다.
기존 ‘스크라이브 v2’ 이용자는 모델 ID를 변경하는 방식으로 전환할 수 있고, 일레븐에이전트에서는 진료 대화에 맞춘 의료용 스크라이브 v3 라이브 버전도 함께 제공한다.
일레븐랩스에 따르면 102개 언어 벤치마크 ‘플뢰르(FLEURS)’ 내부 버전 평가에서 녹음용 스크라이브 v3는 이전 버전인 스크라이브 v2 대비 단어 오류를 27% 줄였다. 3명 이상이 참여한 다자간 녹음 환경의 화자 분리 오류도 17% 감소했다. 실시간 모델인 스크라이브 v3 라이브는 스크라이브 v2 리얼타임보다 단어 오류를 43% 줄였고 자사 실시간 모델 최초로 화자 분리 기능을 지원한다.
음성 에이전트의 자연스러운 대화를 돕기 위해 음성 신호와 대화 전후 맥락을 함께 분석해 발화 종료 시점을 판단하는 턴 감지(Turn Detection) 기능을 적용했다. 출력 제어 기능도 강화해 스크라이브 v3에서는 브랜드명과 전문 용어 등을 최대 1천 개까지 등록하거나 날짜 표기 형식 같은 규칙을 일반 문장으로 지정할 수 있다. 스크라이브 v3 라이브는 대화 중 언어 전환에 대응하는 다국어 모드와 ‘키텀 라이브러리(Keyterm Library)’를 지원한다.
루트 하위슬로트(Ruud Huigsloot) 에네코 시니어 프로덕트 매니저는 출시 전 시험 운영에서 우편번호와 번지 인식 정확도가 향상됐다며 "일레븐랩스는 에네코의 진정한 파트너로, 이른 단계부터 의미 있는 성과를 확인해 기쁘다"고 말했다.