음성 AI, 속도 말고 '사람다움'을 잰다

Hume AI가 음성 AI의 '사람다움'을 정면으로 재는 벤치마크 Real World VoiceEQ를 공개했습니다. 기존 벤치마크는 음성 AI가 사람 수준에 근접했다고 말하지만, 실제 대화를 뜯어보면 이야기가 다르다는 것이 출발점입니다. 40개가 넘는 음성 모델을 15개 이상의 평가 축과 60여 개 지표로 살폈습니다.

"기존 벤치마크는 음성 AI가 사람 수준에 가까워졌다고 말하지만, 실제 대화는 전혀 다른 이야기를 들려준다."Hume AI

왜 중요한가

이 벤치마크의 무게는 100만 건이 넘는 사람 평가에서 나옵니다(TTS 78만 5천 건, S2S 4만 8천 건). 그 결과, 8개 TTS 능력군 전체에서 상위 5위 안에 든 모델은 하나도 없었습니다 — 발전이 '전방위'가 아니라 '특화' 방향으로 쪼개지고 있다는 신호입니다. 어떤 음성 작업에 강한 모델이 다른 작업에선 평범할 수 있다는 뜻이죠.

실무 적용

많은 음성 시스템이 여전히 '받아쓴 텍스트' 중심으로 작동해, 억양·머뭇거림·강세 같은 비언어적 신호를 놓친다는 점도 드러났습니다. 음성 기능을 붙이려는 팀이라면 단일 만능 모델을 찾기보다 용도별로 강한 모델을 조합하고, 속도·정확도만이 아니라 '사람처럼 알아듣는가'를 함께 평가해야 합니다.

교차 참고

• OpenAI: Introducing GPT-Live — 자연스러운 음성 상호작용을 겨냥한 모델 흐름을 함께 봅니다.
• Hugging Face: Gemma 4 for real-time voice AI — 실시간 음성 AI 경쟁이 어디로 향하는지 보완합니다.

Wemeet의 관점

Wemeet은 음성이든 화면이든, 결국 사용자가 '사람과 이야기하는 느낌'을 받는지가 품질을 가른다고 봅니다. 숫자로 빠르고 정확한 음성보다, 머뭇거림과 억양까지 알아듣는 음성이 신뢰를 얻습니다 — 벤치마크가 바뀌면, 우리가 좋다고 부르는 AI의 기준도 바뀝니다.