Async Voice AI

속도가 핵심이다. Async는 자사 모델이 저지연 선두주자들보다 먼저 소리를 낸다고 설명하며, 첫 바이트 중간값이 약 166밀리초, 전체 지연은 300밀리초 미만이라고 밝힌다. 음성 에이전트 입장에서는 침묵이 어색해지기 전에 응답이 도착한다는 뜻이다. 수치는 회사가 직접 측정한 것이므로 자체 벤치마크로 봐야 하지만, 스트리밍 구조가 그 주장을 뒷받침한다.

3초 샘플로 목소리를 복제할 수 있다. 학습도, 대기열도 없고, 개발자 플랜에서 추가 요금도 없다. 클립을 올리면 원래 목소리의 음색과 억양, 속도를 유지한 목소리를 얻는다. 캐릭터든 진행자든 기업 목소리든, 범용 TTS API를 자기 브랜드로 쓸 수 있는 무언가로 바꿔주는 기능이다.

Async는 음성 합성을 두 라인으로 나눈다. Async Pro v1.0은 품질형으로 영어를 가장 잘 다루고, 날짜와 숫자, 통화도 깔끔하게 처리한다. Async Flash v1.5는 다듬기를 조금 내주고 속도를 택한 모델로, 라이브 에이전트와 잘 맞는다. 지원 언어가 가장 넓은 구형 Flash v1.0도 있다. 둘 중 무엇을 고르든, 사실상 최고의 음질과 가장 빠른 응답 사이의 선택이다.

API는 회사가 원어민 발음이라 부르는 수준으로 15개 이상 언어를 다루고, 같은 엔드포인트가 모두를 처리한다. 텍스트 정규화가 까다로운 부분을 해결해, 날짜와 통화, 약어를 사람처럼 읽는다. 여러 시장에 출시하는 팀에게는 지역마다 다른 모델을 두는 대신 한 번만 연동하면 된다는 뜻이다.

음성 합성은 네 가지 형태로 제공된다. 오디오 파일 하나를 돌려주는 단순한 HTTP 호출, 생성이 끝나기 전에 재생을 시작하는 스트리밍 엔드포인트, 자막용 타임스탬프 버전, 그리고 LLM이 쓰는 대로 텍스트를 조금씩 밀어 넣는 WebSocket이다. 음성 인식도 같아서, 녹음은 파일 업로드로, 실시간 받아쓰기는 스트림으로 처리한다. 오디오가 앱에 도달하는 방식을 이만큼 선택하게 해주는 API는 드물다.

모델 자체를 넘어, Async는 목소리가 인위적으로 들릴지 자연스럽게 들릴지를 좌우하는 작은 조절값을 열어둔다. 브랜드 이름과 약어의 발음을 IPA 음소로 지정하고, 전화번호는 한 자리씩 읽게 하고, break 태그로 정확한 멈춤을 넣을 수 있다. 연결용으로는 Pipecat, LiveKit, Twilio, n8n, Picsart Flow의 기성 연동이 있어 배선을 처음부터 짜지 않아도 된다.