← 업계 지도 목록
보이스 · 오디오 AI 업계 지도 (TTS · 실시간 보이스 에이전트 · 음악 · 더빙)
미국/글로벌 · 한국 · 일본 · 중국 · 유럽의 보이스 · 오디오 AI 핵심 플레이어 99곳을 한 표에 모았습니다. ① 초저지연 감정형 TTS · 보이스 클로닝(ElevenLabs, OpenAI Audio, Cartesia, Fish Audio, 수퍼톤, 타입캐스트, Qwen3-TTS 등) → ② 실시간 보이스 에이전트 · 초고속 STT 인프라(Deepgram, AssemblyAI, LiveKit, Vapi, Retell AI, Bland AI, 리턴제로, 클로바노트 등) → ③ AI 음악 생성 · 보컬 신디사이저 · 효과음(Suno, Udio, Stability Audio, 포자랩스, 보컬로이드6, Synthesizer V, Mureka, ACE-Step 등) → ④ 다국어 비디오 더빙 · 립싱크 현지화(HeyGen, Rask AI, 이스트소프트 Perso.ai, 파파고 더빙, Sync Labs, Camb.ai 등)까지 가치사슬 전체입니다. 「규모 큰 순」(기업가치·시총·투자액) · 「사용량 많은 순」(이용자·개발자·GitHub 스타) · 지역(`US/Global`, `KR`, `JP`, `CN`, `EU`) · 카테고리(`cat` 1~4) · 티어(`Tier 1`, `Tier 2`, `Rising`, `Open Source`) · 검증 배지(`✔` 공식 확인 / `△` 추정·비공개 / `✘` 미확인)로 즉시 거르고 비교할 수 있습니다.
업계를 요약하는 숫자
300ms · 75ms인간 대화의 자연스러운 턴테이킹(Turn-taking) 마지노선 300ms — Cartesia Sonic(40~90ms)·ElevenLabs Flash(75ms)·OpenAI Realtime S2S가 실시간 음성 에이전트 상용화 장벽을 돌파 · ✔
$3.3B · $200M+ElevenLabs Series C 기업가치 $33억(약 4.5조 원) 및 연간 반복매출(ARR) $2억+ 추정 — TTS·더빙·사운드이펙트·대화형 에이전트를 수직 통합하며 오디오 AI 최초 데카콘을 향해 질주 · ✔
$0.05 ~ $0.15/분AI 콜센터(보이스 에이전트) 분당 총비용(STT+LLM+TTS+WebRTC/SIP 합산) — 인간 상담원 분당 인건비($1.00~$2.50) 대비 85~95% 비용을 절감하며 Retell·Vapi·Bland AI 도입 폭발 · △
1,200만+ · $500MSuno 누적 창작자 1,200만 명 돌파 및 기업가치 $5억(Series B $1.25억) — RIAA(미국음반산업협회) 저작권 소송 속에서도 풀트랙 AI 보컬 음악 대중화와 오픈소스(ACE-Step·YuE) 확산 가속 · ✔
90% 절감 · 175개국어AI 비디오 더빙·립싱크(HeyGen·Rask AI·Perso.ai·Sync Labs)가 전통 성우 스튜디오 더빙 비용(분당 $50~$150)을 분당 $1~$3로 낮추며 유튜브 다국어 오디오 트랙(MLA) 및 숏폼 드라마 수출 표준으로 정착 · ✔
99곳 · 4대 핵심 축① TTS & Voice Cloning(39곳) · ② Real-Time Voice Agents & STT(25곳) · ③ AI Music & Sound Effects(19곳) · ④ Video Dubbing & Localization(16곳) — 미·한·일·중·유럽 및 오픈소스 생태계 전수 수록 · ✔
유형을 나누는 법 — 「4대 핵심 카테고리(cat)」 × 「지역(region)」 × 「티어(tier)」 × 「데이터 검증(v)」
보이스 & 오디오 AI 시장은 단순 텍스트 낭독(1세대 기계음 TTS)에서 벗어나 목소리를 복제·합성하고(① TTS & 보이스 클로닝) → 듣고 생각하며 실시간으로 전화를 받고(② 보이스 에이전트 & STT) → 배경음악과 보컬·효과음을 작곡하고(③ AI 뮤직 & SFX) → 영상 속 인물의 입모양까지 맞춰 175개 언어로 현지화하는(④ 비디오 더빙 & 립싱크) 4대 밸류체인으로 완전히 재편되었습니다. 각 플레이어는 본사 기준 5대 권역(US/Global, KR, JP, CN, EU)과 시장 위상별 4대 티어(Tier 1, Tier 2, Rising, Open Source), 그리고 엄격한 3단계 데이터 검증 배지(✔ 공식 확인 / △ 추정·비공개 / ✘ 미확인·루머)로 교차 검증했습니다.
① TTS & Voice Cloning (음성 합성 · 보이스 클로닝)ElevenLabs · OpenAI Audio · Cartesia · PlayHT · Fish Audio · 수퍼톤(Supertone) · 타입캐스트(Typecast) · Qwen3-TTS · CosyVoice 2 · GPT-SoVITS · Hume AI · Murf · Rime · CLOVA Voice · VOICEVOX · MiniMax Audio · Seed-TTS · Kokoro-82M 등. 3~10초 샘플로 음색·감정·호흡을 복제하고 40~90ms 초저지연 스트리밍을 제공하는 바닥 모델.
② Real-Time Voice Agents & STT (실시간 보이스 에이전트 · 음성인식)Deepgram · AssemblyAI · LiveKit Agents · Vapi · Retell AI · Bland AI · OpenAI/Groq Whisper · Gemini Live · Gladia · Speechmatics · Pipecat · 리턴제로(VITO) · 클로바노트 · 다글로 · PKSHA · AmiVoice · Kotoba · iFlytek · SenseVoice · Kyutai Moshi 등. 끼어들기(Barge-in) 제어, SIP 전화망 연동, WER 5% 미만 초고속 STT 인프라.
③ AI Music & Sound Effects (AI 음악 생성 · 보컬 합성 · 효과음)Suno · Udio · Stability Audio · ElevenLabs SFX · Google Lyria(MusicFX) · Meta MusicGen · SOUNDRAW · AIVA · Boomy · 포자랩스(LAIVE) · 뉴튠(MixAudio) · Mubert · 야마하 VOCALOID6 · Synthesizer V · Kunlun Mureka · 바이트댄스 해면음악 · 넷이즈 천음 · ACE-Step/YuE 등. 4분 풀트랙 보컬곡부터 저작권 클린 BGM·효과음까지.
④ Video Dubbing & Localization (비디오 더빙 · 립싱크 현지화)HeyGen Video Translate · Rask AI · 이스트소프트 Perso.ai · 네이버 파파고 더빙(클로바더빙) · ElevenLabs Dubbing Studio · Sync Labs · CAMB.AI · Papercup · Deepdub · Dubverse · 허드슨AI · 보이스루(자메이크) · 트위그팜 · CapCut AI 더빙 · Panjaya · Sieve 등. 다화자 분리·음색 보존 번역과 4K 입모양(Lip-sync) 재합성.
필터 및 검증 배지(✔ / △ / ✘) 가이드· 지역 (region):
US/Global(미국 및 글로벌 본사), KR(한국), JP(일본), CN(중국), EU(영국·프랑스·독일·룩셈부르크·스웨덴 등 유럽) 5대 권역으로 즉시 필터링됩니다.· 티어 (tier): Tier 1(유니콘·빅테크·시장 점유율 최상위 리더), Tier 2(엔터프라이즈·버티컬 검증 강자), Rising(초고속 성장 신흥 스타트업), Open Source(가중치 공개 오픈소스 모델·프레임워크) 4단계로 구분됩니다.· 3단계 데이터 검증 배지 (v): ✔(공시·투자 유치 공식 발표·GitHub 스타·공식 요금표로 1차 확인된 데이터), △(언론 보도·비공개 기업 추정 ARR/밸류에이션), ✘(미출시·루머·공식 부인 또는 비공개 스펙 대조군)로 구분해 숫자 과장을 원천 차단했습니다.플레이어 표
지역 (Region)
카테고리
티어 (Tier)
데이터 검증
세부 영역
핵심 기능
아키텍처
수익 모델
소유 구조
정렬
| # | 이름 | 지역 | 카테고리 | 티어 | 주요 활용처 · 성능 | 핵심 지표 · 밸류 | 수익 모델 | 검증 |
|---|
행을 클릭하면 본사 위치 · 소유자 · 레이턴시 · 요금 단가 · 저작권 라이선스 · 최근 동향 · 1차 출처(src) 링크가 펼쳐집니다.
시장 규모 및 레이턴시·단가 벤치마크
| 세그먼트 · 지표 | 수치 · 범위 | 정의 · 산출 근거 (2025~2026 기준) | 검증 |
|---|---|---|---|
| 글로벌 보이스 & 오디오 생성형 AI 전체 시장 | 약 $65억 ~ $92억 (2026E) · 연평균 34%+ 성장 | Grand View Research · Market.us · a16z AI Voice Market 분석 종합 — 클라우드 TTS, 실시간 보이스 에이전트 인프라, AI 음악·효과음, 비디오 더빙 SaaS 매출 합산 | △ |
| 글로벌 실시간 보이스 에이전트(AI 콜센터 · AICC) 시장 | 약 $24억 ~ $38억 (2026E) · 분당 인프라 원가 $0.05~$0.15 | Deepgram · LiveKit · Vapi · Retell AI · Bland AI 및 엔터프라이즈 AICC 도입 추산 — 기존 IVR(ARS) 및 아웃소싱 콜센터(BPO) 시장을 빠르게 대체 중 | △ |
| 초저지연 스트리밍 TTS 첫 바이트 지연시간 (TTFB) | 40ms ~ 90ms (SSM/Flash 모델 기준) | Cartesia Sonic(40~90ms) · ElevenLabs Flash v2.5(75ms) · Rime Mist(<100ms) 공식 벤치마크 — WebRTC 네트워크 왕복 지연을 포함해도 300ms 이내 응답 가능 | ✔ |
| 초고속 STT(음성인식) 실시간 전사 단가 및 정확도 | 분당 $0.0018 ~ $0.0077 · 영문 WER 5~7% / 한국어 CER 4~6% | Groq Whisper Turbo($0.04/시간 ≈ $0.00067/분) · Deepgram Nova-3($0.0043/분) · 리턴제로 VITO · 네이버 CLOVA Speech 공식 단가 및 벤치마크 | ✔ |
| AI 음악 생성 플랫폼 창작 볼륨 및 구독 단가 | 월 수천만 곡 생성 · 개인 구독 월 $10~$30 | Suno(누적 1,200만+ 유저 · 기업가치 $5억 ✔) · Udio · SOUNDRAW · Mureka 공식 요금제 기준 — 4분 풀트랙 보컬 곡당 생성 단가 약 $0.02~$0.05 수준 | ✔ |
| AI 비디오 더빙 & 립싱크 현지화 비용 절감률 | 분당 $1.00 ~ $3.50 (전통 스튜디오 대비 90%+ 절감) | HeyGen · Rask AI · Perso.ai · Sync Labs · ElevenLabs Dubbing Studio 공식 단가 — 기존 성우 녹음·믹싱(분당 $50~$150, 수주 소요)을 수분 내 자동화 | ✔ |
BM — 보이스 · 오디오 AI 수익 모델 6가지
| 수익 모델 | 대표 플레이어 · 과금 단위 | 구조적 특징 및 수익성 추세 |
|---|---|---|
| ① 글자 수 · 크레딧 기반 TTS 구독 & API (Character/Credit Metering) | ElevenLabs(월 $5~$330 · 1,000자당 $0.05~$0.18) · OpenAI Audio($15/1M chars) · 타입캐스트 · 수퍼톤 Play | 가장 보편적인 생성형 음성 과금. 최근 오픈소스(Kokoro·Fish Speech·Qwen3-TTS) 공세로 단순 글자당 단가는 하락 압력을 받으며, 보이스 클로닝 슬롯·감정 제어·더빙 스튜디오 번들로 ARPU를 방어 중 |
| ② 실시간 보이스 에이전트 분당 오케스트레이션 과금 (Per-Minute Voice Agent) | Vapi · Retell AI · Bland AI · Synthflow (기본 분당 $0.05~$0.09 + STT/LLM/TTS/통신비 패스스루 합산 분당 $0.09~$0.18) | 개발자가 복잡한 WebRTC·SIP·끼어들기(Barge-in)를 직접 구현하는 대신 분당 사용료를 지불. 콜센터 상담원 인건비(분당 $1~$2)와 직접 비교되므로 엔터프라이즈 지불 의사(WTP)가 매우 높음 |
| ③ 네이티브 Speech-to-Speech 오디오 토큰 과금 (Multimodal Audio Token) | OpenAI GPT-4o Realtime API(입력 $40/1M · 출력 $80/1M 오디오 토큰, Mini는 1/4 가격) · Google Gemini 2.0 Live API | STT→LLM→TTS 3단 파이프라인을 단일 모델로 통합해 웃음·한숨·감정 억양을 보존. 풀듀플렉스 대화 품질은 최고이나 긴 통화 시 컨텍스트 누적으로 토큰 비용이 급증해 VAD/캐싱 최적화가 필수 |
| ④ AI 음악 · 효과음 크리에이터 구독 & 저작권 라이선스 (Music SaaS & Safe B2B) | Suno · Udio · Mureka(월 $10~$30) ↔ Stability Audio · SOUNDRAW · 포자랩스 · AIVA(저작권 클린 B2B 라이선스) | Suno·Udio가 대중 프로슈머 구독으로 폭발적 성장을 이룬 반면, RIAA 소송 리스크를 회피하려는 방송사·게임사·광고주는 100% 자체/라이선스 학습 모델(Stability·포자랩스·SOUNDRAW)과 엔터프라이즈 계약을 체결 |
| ⑤ 비디오 더빙 · 립싱크 분당 크레딧 과금 (Video Localization Per-Minute) | HeyGen($29~$39/월) · Rask AI($60~$750/월) · 이스트소프트 Perso.ai · Sync Labs(분당 $1.50~$3.00) · Sieve | 단순 오디오 더빙(분당 ~$0.50) 위에 4K 비주얼 립싱크(분당 +$1.50~$2.50)를 얹어 고마진을 확보. 반면 CapCut Pro(월 $10~$20)가 편집기 내 번들로 제공하며 저가 시장을 잠식 중 |
| ⑥ 보이스 액터 IP 마켓플레이스 & 로열티 쉐어 (Voice IP & Revenue Share) | ElevenLabs Voice Library · 수퍼톤(HYBE 아티스트 IP) · CoeFont · 보이즈복스/CeVIO/Synthesizer V 보이스뱅크 · Respeecher | 실제 성우·배우·가수·인플루언서가 자신의 목소리를 등록하고 타인이 합성할 때마다 크레딧 로열티를 정산받거나 캐릭터 보이스뱅크를 판매하는 합법적 상생 생태계 |
스택 비교 — 실시간 보이스 에이전트 아키텍처 3대 방식 대조
AI 전화 상담원이나 실시간 대화형 아바타를 구축할 때 선택할 수 있는 3가지 기술 스택의 지연시간(Latency), 분당 비용, 장단점 실측 비교입니다.
| 구축 아키텍처 | 대표 조합 (스택) | 단대단 지연 (E2E Latency) | 분당 총비용 (추정) | 핵심 강점 및 한계점 |
|---|---|---|---|---|
| ① 모듈형 파이프라인 (STT + LLM + TTS 직접 조합) | LiveKit Agents / Pipecat + Deepgram Nova-3 + GPT-4o-mini/Claude + Cartesia Sonic / ElevenLabs Flash | 약 350ms ~ 600ms | 분당 약 $0.04 ~ $0.08 | 프롬프트 제어·함수 호출(Tool Use)·환각 통제·벤더 교체가 가장 자유로워 현재 엔터프라이즈 프로덕션 채택률 1위 |
| ② 매니지드 보이스 에이전트 플랫폼 (턴키 API) | Retell AI / Vapi / Bland AI (내부적으로 최고 성능 STT·LLM·TTS 및 SIP 전화망 연동 내장) | 약 400ms ~ 700ms | 분당 약 $0.09 ~ $0.18 | 복잡한 전화망(Twilio/SIP)·끼어들기·통화 녹음·CRM 웹훅이 턴키로 구축되어 1인 빌더·스타트업이 하루 만에 AI 콜센터 런칭 가능 |
| ③ 네이티브 Speech-to-Speech (S2S 단일 모델) | OpenAI GPT-4o Realtime API / Google Gemini 2.0 Live / Kyutai Moshi (오픈소스) | 약 200ms ~ 350ms | 분당 약 $0.06 ~ $0.30+ | 텍스트 변환 과정이 없어 사용자의 말투·감정·속삭임까지 즉시 반영하고 가장 인간에 가까운 호흡을 보이나, 세밀한 발음 교정이나 저비용 장시간 통화에는 하이브리드 설계 필요 |
| ④ 풀 오픈소스 셀프호스팅 (자체 GPU 서버) | LiveKit + Faster-Whisper / SenseVoice + vLLM(Llama-3/Qwen) + Fish Speech / Kokoro-82M / Orpheus | 약 400ms ~ 800ms (GPU 사양 의존) | 분당 약 $0.01 ~ $0.02 (인프라 원가) | 데이터 외부 반출이 금지된 금융·방산·공공기관 온프레미스 환경 및 대량 콜 볼륨에서 한계비용을 극단적으로 절감 |
주요 투자 · M&A · 오픈소스 연표 (2024~2026)
| 시점 | 플레이어 · 사건 | 규모 · 핵심 내용 | 검증 |
|---|---|---|---|
| 2022-01 | HYBE → 수퍼톤(Supertone) 인수 | 약 450억 원($32M+) 지분 투자 및 자회사 편입 — K-Pop 아티스트 다국어 가창·보이스 AI 기술 내재화 | ✔ |
| 2024-05 | Suno Series B 대형 투자 유치 | Lightspeed·Nat Friedman 등 $1.25억 투자 · 기업가치 $5억 인정 — AI 풀트랙 보컬 작곡 대중화 | ✔ |
| 2024-06 | RIAA(미국음반산업협회), Suno·Udio 저작권 제소 | 유니버설·소니·워너 등 메이저 레이블이 무단 음원 학습 혐의로 곡당 최대 $15만 배상 소송 제기 | ✔ |
| 2024-06 | HeyGen Series A 투자 유치 | Benchmark 주도 $6,000만 유치 · 기업가치 $5억 — 175개국어 비디오 번역 및 립싱크 히트 | ✔ |
| 2024-07 | Kyutai, 풀듀플렉스 음성 모델 'Moshi' 오픈소스 공개 | 유럽 AI 연구소 Kyutai가 200ms 지연시간의 네이티브 Speech-to-Speech 모델 가중치 공개 | ✔ |
| 2024-10 | OpenAI Realtime API & Advanced Voice 정식 출시 | GPT-4o 네이티브 오디오 입출력 API 공개로 실시간 보이스 에이전트 생태계 폭발 | ✔ |
| 2024-12 | Cartesia Series A $6,400만 유치 | Index·Lightspeed 등 투자 — SSM(Mamba) 아키텍처 기반 40~90ms 초저지연 TTS 'Sonic' 확산 | ✔ |
| 2025-01 | ElevenLabs Series C $1.8억 유치 ($3.3B 밸류) | a16z·ICONIQ 주도 기업가치 $33억 달성 — TTS를 넘어 Conversational AI 에이전트 플랫폼으로 확장 | ✔ |
| 2025-02~ | Qwen3-TTS · CosyVoice 2 · Kokoro-82M · ACE-Step 오픈소스 러시 | 알리바바·StepFun 및 글로벌 커뮤니티가 상용 SaaS급 품질의 초경량 TTS·풀트랙 음악 모델을 Apache 2.0으로 연이어 공개 | ✔ |
보이스 & 오디오 AI 7대 핵심 트렌드 (2025~2026)
- '낭독(Reading)'에서 '연기(Acting)'와 '실시간 대화(Conversing)'로: 단순 정보 전달용 기계음 TTS는 오픈소스(Kokoro-82M, Edge TTS 등)로 완전히 무료화(Commoditized)되었으며, 유료 시장의 부가가치는 웃음·망설임·속삭임을 표현하는 감정 연기(Hume, ElevenLabs, 수퍼톤, 허드슨AI)와 300ms 이내 실시간 대화(Cartesia, OpenAI Realtime)로 이동했습니다.
- 파이프라인(STT+LLM+TTS) vs 네이티브 S2S(Speech-to-Speech)의 공존: GPT-4o Realtime과 Gemini Live가 등장했지만, 엔터프라이즈 콜센터에서는 여전히 환각 통제와 감사 로그(Audit Trail), 비용 최적화가 쉬운 모듈형 파이프라인(Deepgram + LLM + Cartesia/ElevenLabs on LiveKit/Vapi/Retell)이 주류 아키텍처로 활약하고 있습니다.
- SSM(State Space Models) 아키텍처의 음성 AI 접수: 스탠퍼드 Mamba 연구진이 창업한 Cartesia가 증명했듯, 오디오처럼 긴 시퀀스 스트리밍에서는 트랜스포머보다 메모리와 첫 바이트 지연시간(TTFB 40~90ms)이 일정한 SSM 하이브리드 모델이 실시간 에이전트의 새로운 표준으로 부상했습니다.
- AI 음악의 양극화 — '프로슈머 히트곡 생성(Suno·Udio)' vs '저작권 클린 B2B(Stability·포자랩스·SOUNDRAW)': RIAA 소송전이 장기화되면서, 일반 크리에이터는 Suno·Udio·Mureka로 풀트랙 보컬곡을 만들고 방송사·게임사·광고 대행사는 100% 라이선스/자체 데이터로 학습한 저작권 안전 모델을 채택하는 이중 구조가 정착되었습니다.
- 오픈소스 음성·음악 모델의 역습 (중국 빅테크 & 글로벌 커뮤니티): 알리바바(CosyVoice 2, SenseVoice, Qwen-Audio), 바이트댄스, 피시 오디오(Fish Speech), GPT-SoVITS, Kokoro-82M, ACE-Step 등이 Apache 2.0/MIT 라이선스로 풀리면서 로컬 GPU 한 장으로 상용 API에 버금가는 클로닝·음악 합성이 가능해졌습니다.
- 비디오 더빙의 종착지는 '전신 비주얼 동기화(Lip-sync & Body Retiming)': 오디오만 갈아끼우던 더빙을 넘어 입모양(HeyGen, Sync Labs, Perso.ai)과 손짓·호흡 타이밍(Panjaya BodyTalk), 경기장 함성 분리(CAMB.AI)까지 결합되며 모든 영상 콘텐츠가 출고 즉시 30~175개 국어로 동시 배포되는 시대가 열렸습니다.
- 음성 딥페이크 방어와 비가청 워터마킹 의무화: 보이스 피싱과 유명인 사칭을 막기 위해 Google SynthID, Meta AudioSeal, Resemble Detect 등 초고속 오디오 워터마킹·탐지 기술과 실시간 본인 음성 인증(KYC)이 모든 상용 플랫폼의 법적 필수 요건이 되었습니다.
권역별 주목할 대표 플레이어 6선
미국 / 글로벌 — ElevenLabs & Cartesia
- ElevenLabs($3.3B 밸류): 감정 표현 TTS·더빙·효과음·대화형 에이전트를 모두 장악한 글로벌 오디오 AI 대장주
- Cartesia(Sonic): Mamba SSM 기반 40~90ms 초저지연 스트리밍으로 실시간 보이스 에이전트 TTS 시장을 평정
함께 보기: OpenAI Audio · Deepgram · LiveKit · Suno · HeyGen
한국 (KR) — 수퍼톤 · 타입캐스트 · 리턴제로 · Perso.ai
- 수퍼톤(HYBE) & 타입캐스트(네오사피엔스): K-팝·애니메이션·유튜브 크리에이터 감정 연기 보이스 합성의 양대 산맥
- 리턴제로(VITO) & 네이버 클로바: 한국어 음성인식(STT)·회의록·AICC 및 파파고 더빙 생태계 주도
- 이스트소프트(Perso.ai) & 포자랩스: 글로벌 K-콘텐츠 비디오 립싱크 더빙 및 100% 저작권 클린 AI 음악 선도
함께 보기: NC AI VARCO Voice · 액션파워(다글로) · 허드슨AI · 보이스루
일본 (JP) — VOICEVOX · Synthesizer V · PKSHA · SOUNDRAW
- VOICEVOX & CoeFont: 일본 즈다몬(Zundamon) 해설 영상 붐과 성우 권리 보호형 마켓플레이스를 이끄는 양대 축
- Synthesizer V(Dreamtonics) & 야마하 VOCALOID6: 초정밀 AI 보컬 신디사이저로 J-Pop 및 글로벌 버추얼 싱어 시장 석권
- PKSHA & AmiVoice & Kotoba: 일본 금융·콜센터 음성 AI 및 동시통역 모델 주도
함께 보기: SOUNDRAW(글로벌 윤리적 AI BGM) · CeVIO AI
중국 (CN) — Fish Audio · CosyVoice 2 · MiniMax · CapCut
- 알리바바(CosyVoice 2 / SenseVoice / Qwen) & GPT-SoVITS: 글로벌 오픈소스 음성 클로닝·인식 생태계를 지배하는 핵심 가중치 공급원
- Fish Audio & MiniMax Audio: 초고속 제로샷 다국어 TTS로 글로벌 개발자·스토리텔링 시장 급성장
- CapCut(바이트댄스) & Mureka(쿤룬): 5억 MAU 편집기 내장 더빙과 중국발 풀트랙 AI 음악 모델
함께 보기: iFlytek(아이플라이텍) · ACE-Step/YuE · IndexTTS(빌리빌리)
유럽 (EU) — Kyutai · Gladia · Speechmatics · Stability Audio
- Kyutai(프랑스): 200ms 풀듀플렉스 오픈소스 음성 모델 'Moshi'를 공개하며 유럽 오픈 사이언스 역량 입증
- Speechmatics(영국) & Gladia(프랑스): 50~100개+ 언어 코드스위칭 실시간 STT 엔터프라이즈 강자
- Stability Audio(영국) & Papercup(영국) & AIVA(룩셈부르크): 저작권 클린 오디오·방송국 HITL 더빙·클래식 MIDI 작곡
함께 보기: Synthflow AI(독일) · Soniox · Acapela
오픈소스 생태계 — Whisper · LiveKit · Pipecat · Kokoro-82M
- OpenAI Whisper & SenseVoice: 전 세계 모든 음성 파이프라인의 출발점이 된 오픈 가중치 ASR 표준
- LiveKit Agents & Pipecat(Daily): 실시간 멀티모달 보이스 에이전트를 구축하는 양대 오픈소스 WebRTC 오케스트레이터
- Kokoro-82M & F5-TTS & Orpheus: 단 8,200만 파라미터~3B 규모로 상용 API에 육박하는 품질을 구현한 로컬 TTS 혁명
함께 보기: GPT-SoVITS · Meta AudioCraft · Dia-1.6B
바뀐 점
- 공개판 첫 판(미국/글로벌 · 한국 · 일본 · 중국 · 유럽 4대 카테고리 99곳 · 3단계 데이터 검증 배지 ✔/△/✘ 및 1차 출처 링크 · 분당 단가/지연시간/가중치 라이선스/약관 안전선 비교 · 토키 신규 커버 적용 · 네 언어 동시 발행).
※ 일부 도구 링크는 파트너 제휴(Affiliate) 링크를 포함하며, 추가 비용 없이 일정 수수료를 제공받을 수 있습니다.
사업자 정보
- 상호
- 어보버 주식회사(Abover Co., Ltd.)
- 대표자
- 임호걸
- 사업장 소재지
- 경기도 김포시 고촌읍 장차로13번길 25, 302-1128호(세종프라자)
- 사업자등록번호
- 361-86-03930
- 등록
- 통신판매업 제 2026-경기김포-6286 호
© 2026 ainewground · 발행 어보버 주식회사