Audio-language-model

Published on
2026년 8월 12일
음성 인식·합성 기술 리포트, 무엇을 읽을 것인가 — WER 한 숫자로는 안 보이는 것
ai-papers paper-review technical-report speech-recognition text-to-speech audio-language-model evaluation
음성 인식과 합성 기술 리포트 열 편을 arXiv 원문 초록에서 직접 확인해 정리했습니다. Whisper와 Omnilingual ASR, Qwen3-ASR, Open ASR Leaderboard, Seed-TTS와 F5-TTS, CosyVoice 2, Qwen3-TTS, Fish Audio S2, Moshi, Qwen2.5-Omni와 MOSS-Audio가 각각 무엇을 새로 했고 저자들이 어떤 한계를 밝혔는지 읽습니다. 순위 대신 지연, 언어 커버리지, 스트리밍 제약을 봅니다. 영역별 최신 기술 리포트 읽기 시리즈 4편.
Published on
2026년 6월 30일
SOTA 음악·오디오 생성 분석 — 뉴럴 코덱과 생성 모델
ai-papers audio-generation music-generation neural-codec audio-language-model generative-ai
오디오 표현(파형·스펙트로그램·뉴럴 코덱)부터 오토리그레시브 오디오 언어모델과 확산 기반 오디오, 텍스트-음악 조건화까지 계보 중심으로 정리합니다. EnCodec, MusicGen, AudioLM 계열의 원리와 상용 모델, 평가·저작권 쟁점을 아키텍처 관점에서 분석합니다.

음성 인식·합성 기술 리포트, 무엇을 읽을 것인가 — WER 한 숫자로는 안 보이는 것