voicebox — 목소리 복제·생성을 위한 오픈소스 AI 보이스 스튜디오
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
Atria Dawn: The Dawn of Agentic Superintelligence
AI 에이전트가 후속 모델 개발에 직접 참여하면서 지능 생산 방식과 인간 연구자의 역할이 재정의되고 있습니다. 이러한 변화에 발맞춰, 실제 과학 연구 및 엔지니어링 워크플로우에서 에이전트의 생산성을 극대화하기 위해 설계된 파운데이션 모델 ‘Atria Dawn Preview’를 소개합니다.
ZGCM-1: A Fully Open and Extremely Efficient Foundation Model for Math and Agentic Search
소형 모델은 방대한 웹 정보를 단순히 암기하는 대신, 내부적 사고와 외부 도구 활용을 결합하여 파라미터 용량의 한계를 극복해야 합니다. 이러한 철학을 바탕으로, 수학 및 에이전트 검색에 특화된 완전 개방형 7B 파운데이션 모델 ‘ZGCM-1’을 극도의 효율성을 갖춘 방식으로 처음부터 학습시켜 공개합니다.
Continual Learning Mechanisms Compose for Long-Horizon Memorization
언어 모델이 시간이 지나며 들어오는 정보를 잊지 않고 계속 학습하는 능력을 연구하기 위해 ‘장기 기억’이라는 실험 환경을 도입했습니다. 순차적으로 새로운 과제를 학습시킬 때 발생하는 치명적 망각 현상은 단일 지속 학습 방법으로는 해결하기 어려웠으나, 여러 메커니즘을 조합함으로써 장기 기억 능력을 향상시킬 수 있음을 확인했습니다.
AI for Games in the Foundation Model Era
파운데이션 모델은 단순히 게임을 플레이하는 것을 넘어, 게임 개발 지원, 실시간 경험 조정 등 게임 생애주기 전반에서 AI의 역할을 혁신하고 있습니다. 본 연구는 개별적으로 발전해 온 게임 AI 기술들을 체계적으로 정리하여 기술 간의 이전 가능성을 파악하고, 통합된 관점에서 미래 연구 방향을 제시합니다.
StepAudio 3 Realtime Technical Report
실시간 음성 상호작용에 필수적인 깊은 추론과 빠른 응답을 구현하기 위해, ‘듣고-대화하고-생각하고-행동하는’ 연속 루프 기반의 오디오-언어 파운데이션 모델 ‘StepAudio 3 Realtime’을 공개합니다. 특히 ‘말하면서 생각하는(Think-While-Speaking)’ 기술을 통해 깊은 사고와 낮은 지연 시간의 딜레마를 해결하고, 대화 중단이나 끼어들기에도 자연스럽게 대처하는 유연한 상호작용을 실현했습니다.
Hugging Face Blog
ScienceBuddy: Recursive-in-Recursive Self-Improvement for Interactive Scientific Agents
ScienceBuddy는 과학 연구자를 위한 대화형 워크스페이스로, 연구자의 일상적인 작업 흐름에 통합되어 지속적으로 개선되는 과학 에이전트를 제공합니다. 이 시스템은 연구자의 요청, 피드백, 실행 결과를 학습 데이터로 활용하여 스스로 성능을 향상시키는 ‘재귀 속 재귀적 자기 개선(recursive-in-recursive self-improvement)’ 패러다임을 핵심으로 합니다.
Modality-Autoregressive World-Action Models
기존의 월드-액션 모델(WAM)은 주로 RGB 이미지로 미래를 예측했지만, 깊이(depth)나 시각적 특징 같은 다른 양식(modality)을 활용하면 더 효율적일 수 있습니다. 이를 위해 ModAR는 여러 미래 양식을 자기회귀적(autoregressively)으로 디노이징한 후 행동을 예측하는 최초의 WAM으로, 각 양식이 서로 정보를 교환하며 예측 정확도를 높입니다.
PhysStream: Streaming Physics-Grounded Video Generation with Structured Scene Memory and Fine-Grained Motion Control
PhysStream은 물리 법칙에 기반하여 동영상을 생성하는 자기회귀 모델로, 기존 모델들의 한계를 극복하고 실시간 제어를 가능하게 합니다. 이 모델은 구조화된 장면 메모리를 활용하여 픽셀 위치가 아닌 물리적 역학에 근거한 미세한 모션 제어를 지원함으로써, 사용자가 동적 장면을 더욱 정교하고 사실적으로 조작할 수 있도록 돕습니다.
토스 기술블로그
리더보드 1등 LLM, 토스에서도 1등일까? - Toss Benchmark 구축기
토스는 공개된 LLM 리더보드 순위가 실제 서비스 성능을 보장하지 않는다는 문제의식에서 출발했습니다. 그래서 금융 도메인에 특화된 자체 평가 기준인 ‘토스 벤치마크’를 구축하여, 토스의 다양한 AI 기반 서비스에 가장 적합한 LLM을 객관적으로 선별하는 과정을 공유합니다.
GitHub Trending
alibaba/open-code-review
알리바바에서 개발하고 실제 대규모 서비스에 적용하여 검증한 고효율 코드 리뷰 도구입니다. 결정론적 파이프라인과 LLM 에이전트를 결합한 하이브리드 아키텍처를 통해 정확한 라인 단위 주석을 제공하며, 내장된 규칙으로 NPE나 XSS 등 다양한 보안 취약점을 탐지합니다.
JustVugg/colibri
최신 MoE(Mixture of Experts) 모델을 개인 소유의 일반 하드웨어에서도 실행할 수 있게 해주는 경량 엔진입니다. 순수 C언어로 작성되어 의존성이 없으며, 모델의 일부를 디스크에서 스트리밍하는 방식으로 메모리 제약을 극복하고 거대 모델을 구동합니다.
jamiepine/voicebox
누구나 사용할 수 있는 오픈소스 AI 음성 스튜디오입니다. 이 도구를 사용하면 특정 목소리를 복제하거나, 음성을 텍스트로 변환하고, 텍스트로부터 새로운 음성을 손쉽게 생성할 수 있습니다.
anthropics/knowledge-work-plugins
Anthropic이 공개한 지식 노동자를 위한 오픈소스 플러그인 모음입니다. 이 플러그인들은 Claude Cowork 환경에서 사용되도록 만들어졌으며, 다양한 업무의 생산성을 높이는 데 도움을 줍니다.
anthropics/claude-code
Anthropic이 개발한 터미널 기반의 에이전트 코딩 도구입니다. 이 도구는 사용자의 전체 코드베이스를 이해하여, 자연어 명령만으로 반복적인 작업을 자동 실행하고 복잡한 코드를 설명해주며 git 워크플로우 관리까지 지원하여 개발 속도를 크게 향상시킵니다.
오늘의 키워드
AI Agent Tool Use Agent Fine-tuning Inference Eval Audio Prompt LLM Benchmark