요약
- Inworld AI가 실시간 음성합성 모델 Realtime TTS-2를 정식 출시(GA)하며 아티피셜 애널리시스 리더보드 1위를 자체 주장했어요
- 지연시간 150밀리초 미만, 자연어로 톤을 조정하는 보이스 스티어링, 같은 화자로 500개 이상 방언을 오가는 기능을 갖췄어요
- 불과 2주 전인 8월 19일에는 카르테시아 Sonic-3.6이 같은 리더보드 1위였어서, 선두 자리가 다시 흔들렸어요
- 발표
- Inworld AI, Realtime TTS-2 정식 출시(GA) — 2026-09-02 X 공지
- 성능 주장
- 아티피셜 애널리시스 리더보드 1위, 자사 클래스 내 최고속 TTS (자체 발표)
- 지연시간
- 150밀리초 미만 (제조사 발표치)
- 언어 지원
- 같은 화자 정체성을 유지한 채 500개 이상 방언 실시간 전환
- 인용
- LiveKit 공동창업자 겸 CTO 데이비드 — "정말 사람과 얘기하는 느낌이었다"
- 전작 상태
- 리서치 프리뷰 단계에서 예상보다 많은 사용량 발생, 이후 GA로 전환
- 직전 1위
- Cartesia Sonic-3.6, 2026-08-19 아티피셜 애널리시스 프로바이더·컨트롤드 보이스 두 부문 동시 1위
Inworld AI, 리얼타임 TTS-2 정식 출시 선언
Inworld AI가 9월 2일(현지시간) 자사 X 계정에 올린 발표 영상에서 실시간 음성합성 모델 "Realtime TTS-2"를 정식 출시(GA·General Availability)했다고 밝혔어요. 회사는 이 모델이 아티피셜 애널리시스 리더보드에서 1위를 차지했고, 같은 체급 안에서 가장 빠른 TTS라고 자체 소개했어요. TTS(Text-to-Speech)는 글을 사람 목소리처럼 읽어주는 음성합성 기술로, 콜센터 상담봇부터 오디오북 내레이션까지 두루 쓰이는 기반 기술이에요.
풀어서 설명하면, 아티피셜 애널리시스는 여러 AI 모델의 성능·속도·가격을 직접 측정해 순위를 매기는 독립 평가 기관이에요. 이 회사가 모델을 만드는 게 아니라 채점만 한다는 점에서, 여기서 나온 「1위」는 업계가 성능을 증명할 때 흔히 인용하는 지표예요.
회사는 리서치 프리뷰 단계에서 예상보다 훨씬 많은 사용량이 몰렸고, 그 경험을 다시 연구에 반영해 이번 GA 모델을 내놨다고 설명했어요. 이번 출시를 두고는 "Inworld 역사상 가장 큰 도약"이라고 자평했어요.
두 주 만에 다시 바뀐 리더보드 1위
이 리더보드는 최근 한 달 사이에도 이미 주인이 한 번 바뀐 이력이 있어요. 지난 8월 19일에는 카르테시아의 스트리밍 TTS 모델 Sonic-3.6이 프로바이더 보이스 부문과 컨트롤드 보이스 부문에서 나란히 1위를 기록했어요. 이번에 Inworld AI가 같은 리더보드에서 1위를 주장하면서, 선두 자리가 두 주도 안 돼 다시 흔들린 셈이에요.
무엇이 달라졌나
Inworld AI는 이번 GA 버전을 위해 서빙 스택과 모델 아키텍처를 전면 다시 만들었다고 설명했어요. 결과물은 "promptable"한데요, 대형언어모델처럼 자연어 지시를 그대로 알아듣고 대화 맥락까지 이해한다는 뜻이에요. "보이스 스티어링(voice steering)" 기능을 쓰면 연기 지도를 하듯 자연어로 목소리 톤이나 감정을 그때그때 조정할 수 있고요, 같은 화자 정체성을 유지한 채 500개 이상 방언 사이를 실시간으로 오가는 교차언어 지원도 붙었어요. 회사는 이 모든 처리가 150밀리초 미만에 끝나 실시간 대화에서도 자연스럽게 느껴진다고 밝혔어요.
음성 에이전트 프레임워크를 만드는 LiveKit의 공동창업자 겸 CTO 데이비드는 이 모델을 시연해보고 "정말 사람과 얘기하는 느낌이었다"고 말했어요. 텍스트는 같아도 프롬프트에 따라 전혀 다른 감정 범위로 목소리를 낼 수 있다는 점을 강점으로 꼽았어요.
| 항목 | Inworld Realtime TTS-2 | Cartesia Sonic-3.6 |
|---|---|---|
| 발표일 | 2026-09-02 | 2026-08-19 |
| 리더보드 순위 | 아티피셜 애널리시스 1위(자체 발표) | 프로바이더·컨트롤드 보이스 동시 1위 |
| 지연시간 | 150ms 미만(자체 발표) | 90ms 미만(자체 발표) |
| 핵심 특징 | 보이스 스티어링, 500개+ 방언 전환 | 스테이트 스페이스 모델(SSM) 아키텍처 |
어떻게 써보나
회사가 공개한 영상에는 세세한 사용 설명서보다는 시연 장면이 담겨 있어요. Inworld 소속 연구자들이 서로 마이크 앞에 서서 즉석으로 목소리 스타일을 바꿔보는 방식으로 보이스 스티어링 기능을 보여줬고, "realtime.ai"에서 모델을 체험해볼 수 있다고 안내했어요. 구체적인 요금제나 API 신청 절차, 지원 플랫폼은 이번 발표 자료에는 나오지 않았어요.
기능 범위 안에서 상상해볼 수 있는 활용은 뚜렷해요. 예를 들어 고객센터 상담봇에 이 모델을 붙이면, 상황에 따라 차분한 톤과 다급한 톤을 자연어 지시만으로 바꿔가며 응대할 수 있어요. 다국어 더빙 작업에서는 같은 화자의 목소리 정체성을 유지한 채 언어만 바꿔 재녹음하는 식으로도 쓸 수 있고요.
에디터의 시선
TTS 리더보드가 몇 주 단위로 주인을 바꾸는 건 우연이 아니에요. Inworld AI, 카르테시아, ElevenLabs 같은 회사들이 실시간 음성 AI 시장을 두고 벌이는 경쟁이 그만큼 촘촘해졌다는 뜻이거든요.
실시간 음성 모델을 실무에 붙여본 경험을 일반화하면, 예전엔 TTS라면 또박또박 정확하게 읽어주는 것만으로 충분했어요. 지금은 그 수준이 기본값이 됐고, 대화 맥락을 이해해 톤을 스스로 조절하는지, 같은 화자로 여러 언어를 오갈 수 있는지가 실제 구매 결정의 기준이 되고 있어요.
국내에서 음성 에이전트를 도입하려는 팀이라면, 특정 모델 하나에 인프라를 통째로 묶기보다 LiveKit 같은 에이전트 프레임워크를 거쳐 TTS 엔진을 교체 가능하게 설계하는 편이 안전해요. 리더보드 1위 타이틀의 수명이 두세 주에 그친다는 걸 이번 사례가 보여줬으니까요.
앞으로 몇 주 안에 카르테시아나 ElevenLabs 쪽에서 다시 지연시간이나 Elo 점수를 앞세운 대응 발표가 나올 가능성이 커요. 이 자리 다툼은 당분간 계속 이어질 거예요.
댓글