Haydn-01이 음성 감정 분류와 실시간 대화를 한 모델에 담았다

Haydn-01의 실시간 대화 지표는 TTFC 2.1초, RTF 0.88로 제시됐습니다. generative experiences co.는 2026년 10월 9일 내부 모델의 미리보기를 공개했습니다. 저는 숫자가 간결해 눈길이 갔지만, 어떤 시험에서 나온 값인지 함께 적히지 않은 점이 더 오래 남습니다.

ElevenLabs의 Eleven v4는 감정 표현과 화자 일관성을 강화한 텍스트 음성 변환 모델로 나왔습니다. 음성을 생성하는 기능을 다듬은 Eleven v4와 Haydn-01은 방향이 다릅니다. 회사는 Haydn-01에 음성·비음성 오디오 이해와 실시간 대화를 한데 담았다고 주장합니다. 두 모델은 음성 AI의 서로 다른 확장 방향을 보여줍니다.

회사는 음성의 감정 분류와 실시간 대화, 동물 소리나 혼잡한 장소 같은 비음성 오디오 이해를 한 구조에서 처리한다고 주장합니다. 기능을 따로 붙이는 대신 한 모델이 맡는다는 점은 개발자에게 흥미롭습니다.

TTFC 2.1초와 RTF 0.88의 측정 조건은 공개되지 않았고, 모델을 실제로 쓸 수 있는지와 사용 조건·가격도 알 수 없습니다. 회사는 비음성 오디오를 이해할 수 있는 경우가 아니면 이해했다고 예측하지 않는다고 설명합니다. 저는 그 신중한 설계보다 수치가 어떤 조건에서 나왔는지 빠진 점이 더 걸립니다. 조건 없는 속도 수치는 다른 선택지와 견줄 근거가 되지 않습니다.

지금 쓰는 음성 시스템에 같은 발화를 여러 차례 입력해 첫 응답까지 걸리는 시간을 기록하십시오. 고정된 길이의 오디오를 처리하는 데 걸리는 시간도 재십시오. Haydn-01을 사용할 수 있게 되면 입력과 장비를 맞춰 같은 시험을 해 보십시오. 처리 시간이 오디오 길이보다 짧게 반복되는지 확인하면, 제시된 RTF 0.88이 실제 작업에서도 어떤 의미인지 가늠할 수 있습니다.

음성 기능을 시험하실 때, 응답 지연과 주변 소리 인식 중 무엇을 먼저 확인하십니까?