Google, AI Edge 갤러리에 오프라인 음성 인식 및 텍스트 음성 변환 기능 추가

Google은 11월 10일에 AI Edge Gallery가 이제 Gemini Nano 및 Gemma 4와 같은 소형 온디바이스 언어 모델과 결합하여 온디바이스 자동 음성 인식(ASR) 및 텍스트 음성 변환(TTS)을 지원한다고 발표했습니다. 이를 통해 휴대폰은 네트워크 연결 없이 음성을 실시간으로 기록하고 음성 응답을 합성할 수 있습니다. 구글은 음성이 휴대폰과 웨어러블 기기에서 AI와 상호 작용하는 가장 자연스러운 방법인 경우가 많으며, 컴팩트 음성 모델의 발전으로 이제 기기에서 정확한 다국어 ASR과 표현력이 풍부한 TTS가 가능해졌다고 말했습니다.

Android: ML Kit는 100개 이상의 언어를 지원하며 약 100ms 후에 말하기 시작합니다.

Android에서 ML Kit의 최신 기기 내 음성 모델은 실시간 속도의 10배로 100개 이상의 언어를 텍스트로 변환하여 FLEURS 벤치마크에서 단어 오류율이 8.0%~9.0%에 도달합니다. 컴팩트한 몇 단계 확산 모델을 기반으로 하는 텍스트 음성 변환 모델은 약 100ms 안에 말하기 시작하고 8개의 표현력 있는 음성과 21개 로케일에 걸쳐 실시간 속도의 최대 50배로 24kHz 오디오를 합성합니다. 두 모델 모두 운영 체제에 통합되어 앱의 APK에 0MB를 추가하고 가능한 경우 NPU 및 TPU 백엔드에서 하드웨어 가속의 이점을 누릴 수 있습니다.

크로스 플랫폼: iOS, Windows 및 웹용 개방형 모델

크로스 플랫폼 앱의 경우 Google은 음성 인식을 위한 Parakeet-TDT 0.6B와 텍스트 음성 변환을 위한 PocketTTS 100M, Kokoro-82M 및 Phonon 31M을 포함하여 MediaPipe Tasks 및 LiteRT를 통해 새로운 .litertlm 모델 번들을 최적화했으며, 컴퓨팅 경합 없이 기기 내 소규모 언어 모델과 함께 iOS, macOS, Windows, Linux 및 웹에서 실행됩니다. Hugging Face LiteRT 커뮤니티는 Whisper 및 Qwen3-ASR과 같은 개방형 모델도 제공합니다.

쇼케이스: 오프라인 언어 교사 및 음성 채팅

Google은 두 가지 용도를 시연합니다. XR Language Teacher 쇼케이스는 휴대폰에서 100% 로컬로 작동하여 사용자가 거리 표지판이나 메뉴에 카메라를 대고 큰 소리로 질문하고 현지 언어의 실제 발음과 함께 모국어로 설명을 들을 수 있도록 합니다. 스트리밍 받아쓰기 및 실시간 문장 강조 기능을 갖춘 소리내어 읽기 재생 기능을 갖춘 음성 지원 AI 채팅. 이 기능은 오늘부터 Android 및 iOS의 AI Edge Gallery 앱과 오픈 소스 참조 구현을 통해 사용할 수 있습니다. 출처: Google 개발자 블로그, 2026년 11월 10일.