AI 모델

Bland, 말하면서 듣는 Tofu-1 공개하고 수치는 내놓지 않았다

Bland가 Tofu-1을 연구 프리뷰로 공개했다. 말하는 동안 동시에 듣는 full-duplex speech-to-speech 모델이고, 회사가 내세우는 장면은 거실 TV가 대신 대답해 버리는 사고다.

김민준김민준
인기 지수: 1,050
caller와 television이라고 표시된 겹친 민트색 파형, 옆에 Tofu-1 who said it 글자

Bland가 Tofu-1을 연구 프리뷰로 공개했다. 말하는 동안 동시에 듣는 full-duplex speech-to-speech 모델이고, 회사가 내세우는 장면은 거실 TV가 대신 대답해 버리는 사고다.

Bland가 말하는 TV 테스트

보험 해지를 확인하는 통화를 떠올려 보자. 고객은 계좌번호를 찾느라 말이 없고, 거실 TV가 "네"라고 말한다. 텍스트 기반 에이전트는 또렷한 목소리의 "네"를 고객 답으로 받아 해지를 처리한다.

Bland는 이걸 TV 테스트라고 부른다. 문제는 소음이 아니라 출처다. TV는 잡음이 아니므로 노이즈 제거로는 해결되지 않는다. Tofu-1은 "네"를 TV 쪽 발화로 돌리고 고객에게 다시 확인하는 것을 목표로 한다. 회사는 이 장면을 실제 모델 출력이 아니라 설명용 예시라고 표시했다.

해지 한 건이 잘못 처리되면 비용은 통화 시간으로 끝나지 않는다. 고객은 다시 전화해 처음부터 설명해야 하고, 상담 기록에는 고객이 하지 않은 동의가 남는다. 출처를 구분하는 능력이 성능 지표가 아니라 사고 방지 장치인 이유가 여기에 있다.

Tofu-1이 full-duplex를 택한 이유

지금의 voice agent는 대개 캐스케이드다. 음성을 텍스트로 바꾸고 텍스트를 언어 모델에 넣은 뒤 답을 다시 음성으로 만드는 이 사슬에서는 각 단계마다 누가 말했는지, 누구에게 말했는지, 망설였는지, 말을 마쳤는지가 사라진다.

Tofu-1은 오디오를 직접 다루고 말하면서 동시에 듣는다. 고객이 숫자를 중간에 고치면 끝까지 읽던 안내를 멈춘다. "음" 같은 맞장구는 계속하라는 신호이고, 정정은 멈추라는 신호다. 말하는 중에 그 판단을 해야 한다.

카드번호를 읽는 장면을 보자. 상담원 역할의 모델이 열두 자리를 읽는 중간에 고객이 "아니, 4가 아니고 9"라고 끊는다. 캐스케이드는 대개 문장 단위로 끊기 때문에 앞자리를 다시 읽거나 고친 값을 놓치고 다음 단계로 넘어가고, full-duplex는 읽기를 멈추고 고친 자리부터 다시 시작한다. 사용자가 체감하는 차이는 이 한 문장에서 갈린다.

말하면서 생각한다는 주장

Bland는 대화와 조회가 나란히 돌아간다고 설명한다. 확인이 필요한 순간에도 통화가 멈추지 않는다. 회사는 처리되지 않은 일을 완료됐다고 말하지 않는 것도 원칙으로 내세운다.

고객이 통화 도중 요청을 바꾸면 마지막 발화가 답에 반영돼야 한다. 이 두 가지는 데모 영상보다 검증이 어렵다. 어디까지가 설계 목표이고 어디부터가 실제 동작인지, 지금 자료로는 구분되지 않는다.

speech-to-speech 모델이 소리를 만드는 방식

Tofu-1은 여러 화자와 겹치는 목소리, 주변 소리까지 생성하는데, 이 능력은 통화 상대가 여러 명이거나 주변이 시끄러운 현장을 흉내 내는 데 쓰이고 실제 상담 품질과는 다른 축에서 평가된다. Bland는 차 안에서 남자가 통화하고 옆자리 동승자가 말을 거는 10초짜리 생성 클립을 함께 올렸는데, 이 클립 역시 실제 고객 통화가 아니라 회사가 만든 합성 음성이라는 점을 페이지에 적어 두었다.

생성 능력은 학습 데이터와 별개로 평가하기 어렵다. 어떤 소리를 얼마나 충실히 재현하는지는 들어봐야 하는 영역이고, 그 판단은 아직 회사 자료에 기대야 한다.

Bland가 공개하지 않은 숫자들

파라미터 수가 없다. 지연 시간 수치도, 벤치마크 점수도, 가격도 없다. 모델은 닫혀 있고 Bland가 호스팅한다. 내려받을 가중치가 없다는 뜻이다.

그러면 캐스케이드를 이기는지를 어떻게 확인할 수 있을까? 회사 자료만으로는 확인할 수 없다. 이건 흠이 아니라 연구 프리뷰의 상태다. 다만 독자는 무엇이 시연됐고 무엇이 설명으로만 남았는지 구분해야 한다. 모델이 학습 데이터를 어떻게 썼는지도 회사는 밝히지 않았다.

한국 콜센터에 이 모델이 걸리는 지점

국내 보험사와 카드사 콜센터는 상담 품질과 녹취 의무를 함께 보고, 금융감독원 규제 아래에서는 누가 말했는지가 사후 감사에서도 문제가 되기 때문에 출처 구분이 규정 준수 항목으로 올라온다.

한국어 통화는 억양과 존댓말 수준이 끼어들어 영어 데모보다 변수가 많다. Bland는 한국어 성능을 따로 밝히지 않았다. 보이스피싱처럼 걸러내야 할 통화가 많은 시장에서는 오탐 비용도 만만치 않다. 진짜 고객의 짧은 대답을 기계 음성으로 오인해 다시 묻게 만드는 실패는, 상담 시간을 늘리고 고객을 화나게 만드는 쪽으로 돌아온다.

voice agent를 사려는 팀이 물어야 할 것

Tofu-1은 Bland의 speech-to-speech 제품군 첫 모델이다. 은행과 의료, 보험, 정부 통화를 다루는 팀을 제한적으로 받는다. 신청서를 내야 한다.

판단 기준은 하나로 좁혀진다. 끼어들기 동작을 제3자가 측정할 수 있느냐다. 그 측정이 나오기 전까지 Tofu-1은 캐스케이드를 대체하는 모델이 아니라, 대체를 주장하는 모델이다.

이 소식 공유하기

출처

관련 AI 뉴스

상승하는 보상 곡선과 27B 배지가 나란히 있는 터미널 창
AI 모델

DaisyRose-27B, 18일 학습으로 Terminal-Bench 4.1 점수 두 배

RadixArk가 20일 공개한 DaisyRose-27B는 새로 설계한 모델이 아니다. Qwen3.8-27B의 구조와 토크나이저, 채팅 템플릿, 이미지 이해, 256K 컨텍스트를 그대로 두고 reinforcement learning만으로 다시 훈련한 결과물이다.

인기 지수: 1,330
노트북 윤곽 안에서 세 장의 층 시트가 고리 화살표를 통과하는 그림
AI 모델

Inkling 2 Mini, 24개 층을 세 번 돌려 노트북에 올렸다

Thinking Machines Lab이 20일 open weights로 공개한 Inkling 2 Mini는 가운데 12개 층을 토큰마다 세 번 돌리는 looped transformer다. 계산은 48층만큼 하면서 저장은 24층으로 끝내고, 그 대신 외운 사실은 늘리지 않는다.

인기 지수: 1,710
어두운 배경에 길게 뻗은 청록색 오디오 파형과 주황색 강조 막대 하나
AI 모델

Rumble-2-Flash는 0.5B로 30B 전화 상담 성적을 따라잡았다

전화 상담 녹취를 글로 옮기는 일은 오래 GPU 여러 장을 전제로 했다. Reson8이 내놓은 Rumble-2-Flash는 그 전제를 0.5B 파라미터로 줄여 놓았다.

인기 지수: 560
짙은 파란 배경 위로 작은 빛 코어를 감싸 도는 세 개의 네온 고리
AI 모델

Gemini 4 Neon 공개, 구독자 선택지는 네 개로 정리됐다

구글이 Gemini 4 Neon을 내놓으면서 유료 구독자가 고를 수 있는 모델이 다시 바뀌었다. Argon에 익숙해진 사람과 3.1 Pro를 쓰던 사람은 오늘 앱을 열어 목록을 다시 봐야 한다.

인기 지수: 1,500