속보01 / AI
음성 합성 첫 출력 390 ms 기록한 AI 모델 논문 공개
텍스트·이미지·음성을 한 모델에 입력하고, 참조 음성을 바탕으로 말을 합성하는 방식이다.
연구진은 11월 20일 음성 합성 첫 출력까지 390 ms가 걸린 NVIDIA GB10 측정 결과를 발표했다.
arXiv 초록에 명시된 DRVEXO-4B-Unified의 입력은 텍스트·이미지·음성이다. 참조 음성을 바탕으로 말을 합성하는 모델이다.
연구진은 모델 가중치와 코드를 Apache License 2.0으로 공개할 계획이라고 발표했다. 적용되는 제삼자 약관은 유지한다는 계획이다.
연구진이 공개한 엄격 기준의 지시 이행 평가(IFEval) 정확도는 입력 지시문 단위로 82.26%이다. 초록이 인용한 Qwen3-4B의 공개 수치는 추론 모드를 끈 상태에서 81.2%이다.
연구진은 arXiv 초록에서 가중치와 코드의 공개일을 밝히지 않았다.