Together AI, 자연스러운 코드 스위칭을 지원하는 Rime Arcana V3 음성 모델 출시

핵심 요약

Together AI는 문장 중간에 언어를 혼용하는 코드 스위칭(Code-switching) 상황에서도 자연스러운 음성을 생성하는 Rime Arcana V3 모델군을 도입했다. 이번에 공개된 모델은 영어-스페인어 특화 성능을 갖춘 V3 Turbo와 11개 언어를 지원하는 V3 두 종류로 구성된다. V3 Turbo는 약 120ms, V3는 약 160ms의 첫 오디오 생성 시간(TTFA)을 기록하여 실시간 대화형 AI 서비스에 최적화된 성능을 제공한다. 모든 모델은 Together AI의 전용 엔드포인트를 통해 LLM 및 STT 워크로드와 동일한 환경에서 통합 운영이 가능하다.

배경

Together AI API 사용법, 음성 합성(TTS) 및 첫 오디오 생성 시간(TTFA) 개념, WebSocket 스트리밍 통신 이해

대상 독자

실시간 다국어 음성 에이전트 및 고객 센터 AI를 구축하는 개발자

의미 / 영향

기존 TTS 모델들이 언어 전환 시 억양이 부자연스럽거나 지연 시간이 길어지는 문제를 해결하여, 다국어 사용자가 많은 지역에서 AI 에이전트의 수용도를 크게 높일 것으로 예상된다. 특히 인프라 통합을 통해 음성 AI 서비스의 전체 지연 시간을 인간의 대화 반응 속도인 700ms 이내로 구현하기 용이해졌다.

섹션별 상세

Rime Arcana V3 Turbo는 영어와 스페인어를 혼용하는 사용자 환경에 최적화된 성능을 제공한다. 실제 이중 언어 사용자의 발화 패턴을 학습하여 문장 경계에서 발생하는 휴지기(Pause)와 강세 변화를 자연스럽게 재현한다. Together AI 전용 엔드포인트에서 약 120ms의 첫 오디오 생성 시간(TTFA)을 달성하여 전체 음성 파이프라인 지연 시간을 700ms 이내로 유지할 수 있게 한다.

Rime Arcana V3 모델은 총 11개 언어 간의 자유로운 코드 스위칭을 지원하며 광범위한 다국어 시장을 겨냥한다. 단일 모델로 여러 언어 간의 전환을 처리하므로 언어별로 별도의 TTS 모델을 라우팅할 필요가 없어 인프라 복잡성이 줄어든다. 약 160ms의 지연 시간으로 프랑스어, 독일어, 일본어 등 지원되는 언어 사이를 오가는 대화에서도 일관된 음조와 억양을 유지한다.

Together AI 플랫폼 내에서 LLM, STT 워크로드와 TTS 모델을 동일한 위치에 배치(Co-location)하여 운영 효율성을 극대화했다. 단일 API와 통합된 인증 체계, 모니터링 대시보드를 통해 전체 음성 AI 파이프라인을 관리할 수 있다. 이는 데이터 전송 지연을 최소화할 뿐만 아니라 SOC 2 Type II, HIPAA 등 기업용 보안 규격 준수 검토를 단일 플랫폼에서 해결할 수 있는 이점을 제공한다.

실무 Takeaway

V3 Turbo 모델을 활용하면 영어-스페인어 혼용 환경에서 120ms 수준의 초저지연 음성 합성이 가능하다.
단일 엔드포인트에서 11개 언어를 처리함으로써 다국어 서비스 구축 시 모델 라우팅 로직과 인프라 유지 보수 비용을 절감할 수 있다.
Together AI의 전용 GPU 용량과 WebSocket 스트리밍 지원을 통해 실시간 고객 센터 등 고부하 환경에서도 안정적인 성능을 보장받는다.

언급된 리소스

API DocsTogether AI TTS Documentation