구글이 10일(현지시간) 개발자 블로그를 통해 'Google AI Edge Gallery' 앱에 기기 내(온디바이스) 자동 음성인식(ASR)과 음성합성(TTS) 기능을 추가했다고 밝혔다. 음성을 서버로 보내지 않고 스마트폰 안에서 처리하기 때문에 와이파이나 데이터 연결이 없는 곳에서도 작동하는 것이 특징이다. AI 엣지 갤러리는 구글이 기기 내 AI 기능을 시험해 볼 수 있도록 공개한 앱이다.
카메라와 음성으로 배우는 'XR 언어 교사'
구글은 새 기능을 보여 주는 사례로 'XR 언어 교사(XR Language Teacher)'를 공개했다. 낯선 물건이나 외국어 메뉴판에 카메라를 비추고 "이게 뭐야, 어떻게 주문해?"처럼 말로 물으면, 자신의 언어로 된 설명과 함께 현지 언어 발음을 바로 들려주는 방식이다. 안드로이드에서는 제미나이 나노, 다른 플랫폼에서는 젬마 4 모델과 연결해 모든 처리를 기기 안에서 한다고 구글은 설명했다.
앱의 AI 채팅 기능에도 음성 입력과 답변 읽어 주기가 추가됐다. 답변을 읽을 때 현재 읽는 문장을 화면에 표시하고, 원하는 문장을 눌러 그 부분부터 다시 들을 수 있다.
안드로이드는 ML 키트, 그 밖은 미디어파이프·LiteRT
안드로이드용 ML 키트 음성 API는 100개 이상 언어의 음성을 실제 말하는 속도보다 10배 빠르게 받아쓰고, 음성합성은 약 0.1초 만에 말하기 시작한다고 구글은 밝혔다. 음성 모델은 운영체제에 통합돼 있어 앱 설치 파일 크기를 늘리지 않는다. iOS, 맥OS, 윈도우, 리눅스, 웹 등 다른 환경에서는 미디어파이프(MediaPipe)와 LiteRT를 통해 Parakeet-TDT 0.6B, PocketTTS 100M, Kokoro-82M 같은 공개 가중치 모델을 쓸 수 있다.
앱과 공개 코드로 시험 가능
새 기능은 안드로이드와 iOS용 AI 엣지 갤러리 최신 버전에서 체험할 수 있고, 참고 구현 코드는 깃허브에 공개됐다. 다만 처리 속도와 정확도 수치는 구글 발표 기준이며 기기 사양에 따라 체감 성능은 달라질 수 있다. 공식 글에는 한국어 지원 수준이 따로 명시되지 않아, 국내 이용자는 앱에서 지원 언어를 직접 확인할 필요가 있다.
참고 자료: Google Developers 블로그 「On-Device Speech Recognition and Text-to-Speech in Google AI Edge Gallery」
){kind=small}
){kind=small}
){kind=small}
){kind=small}