top of page

tiny-voca TTS, 450만 파라미터 음성 모델 공개

32분 전
9분 분량
Illustrative photograph. Photo: cottonbro studio / Pexels.

tiny-voca TTS가 공개 학습 자산과 CPU 기준 실시간 대비 약 70배의 속도를 내세운 450만 파라미터 음성 모델을 출시했다. 제작자는 작은 용량 안에 오디오 파형을 생성하는 구성 요소까지 포함된다고 설명한다. 다만 제공 범위도 분명하다. 영어 음성, 고정된 두 가지 음성, 그리고 인정된 발음상의 약점이다.

이번 출시는 그래픽 프로세서에 또 하나의 대형 모델을 할당하지 않고 음성을 구현해야 하는 개발자에게 구체적인 대안을 제시한다. 핵심 긴장은 작고 검증 가능한 배포 방식과 특정 애플리케이션이 요구하는 음성 품질 및 유연성 사이에 있다. 빠른 모델이라도 사용자가 실제로 듣고 싶어 하는 정보를 정확히 발음해야 한다.

Kokoro는 작고 공개적으로 이용 가능한 음성 모델의 유용한 기준점이지만, 파라미터 수만으로 승자를 가릴 수는 없다. tiny-voca가 주목할 만한 이유는 제작자가 결과물과 함께 제작 방법도 공개했기 때문이다. 보고된 속도는 독립적인 테스트를 유도하며, 공개 자료는 개발자가 매끈하게 다듬어진 데모보다 더 실질적으로 검토할 수 있는 대상을 제공한다.

tiny-voca TTS는 모델 가중치 이상을 공개한다

이번 출시는 소프트웨어와 학습된 모델 파일뿐 아니라 학습 과정도 검토할 수 있게 한다.

텍스트 음성 변환, 즉 TTS는 작성된 언어를 음성 오디오로 바꾸는 기술이다. 제작자의 음성 모델 출시 글에서 tiny-voca는 브라우저에서도 작동하는 소형 영어 시스템으로 소개된다. 게시물에는 파라미터 4,537,291개와 파형 생성기를 포함한 약 18MB의 모델 크기가 명시돼 있다.

파라미터는 모델의 동작을 결정하는 학습된 수치 값이다. 파형 생성기를 포함하면 중간 음성 구성 요소만 포괄하는 수치보다 이 수치가 더 많은 정보를 제공한다. 다만 개발자는 모델 크기와 전체 애플리케이션 다운로드 용량, 그리고 작동 중 메모리를 구분해야 한다.

제작자는 24kHz로 오디오를 생성하는 여성 음성과 남성 음성, 두 가지를 제공한다고 밝혔다. 이 샘플레이트는 디지털 오디오 신호를 얼마나 자주 측정하는지 나타낸다. 자연스러움, 발음 정확도, 또는 청취자가 장시간 사용 중 해당 음성을 받아들일 수 있는지는 이를 통해 판단할 수 없다.

제작자에 따르면 이번 출시는 여러 실행 경로도 지원한다. 여기에는 머신러닝 프레임워크인 PyTorch와 호환 런타임 간 모델 이동에 사용되는 형식인 ONNX가 포함된다. 브라우저 실행 기능은 잠재적 사용자가 먼저 로컬 Python 환경을 구축하지 않고도 결과를 검토할 수 있는 또 다른 방법을 제공한다.

더 중요한 차이는 공개된 자산의 구성에 있다. 이 프로젝트는 다운로드 가능한 가중치만 제공하는 대신 코드, 가중치, 학습 레시피, 데이터세트를 포함한다. 가중치는 학습된 수치 값이고, 레시피는 저자가 이를 어떻게 만들었는지 설명한다.

이 조합은 관심 있는 개발자가 던질 수 있는 질문을 바꾼다. 단순히 샘플만 평가하는 대신 학습 입력을 조사하고 전처리를 검토하며 구성 요소들이 어떻게 결합되는지 살펴볼 수 있다. 이러한 자료 공개는 재현성의 기회를 만들지만, 성공적인 재현에는 여전히 다른 누군가의 작업이 필요하다.

프로젝트의 오픈 음성 코드는 별도 라이선스를 명시한다. 코드와 가중치에는 Apache 2.0, 데이터세트에는 CC BY 4.0이 적용된다. 이는 각각 조건이 다른 별개의 자산이다. 프로젝트를 완전히 공개됐다고 부를 때는 하나의 라이선스가 모든 것을 포괄한다는 인상을 주지 않고 이 차이를 유지해야 한다.

제공되는 자료는 저자가 공개한 내용을 보여줄 뿐, 모든 배포 환경에 대한 보편적 적합성을 보장하지는 않는다. 팀은 여전히 의존성, 필요한 고지 사항, 배포하려는 특정 파일을 검토해야 한다. 공개 출시는 그러한 검토를 위한 근거를 제공하지만, 라벨만으로 검토가 완료되지는 않는다.

따라서 이 사건의 의미는 헤드라인의 모델 수치를 넘어선다. 한계가 공개적으로 명시된, 제작 과정을 조사할 수 있는 소형 음성 시스템을 개발자에게 제공한다. 독립 평가자가 어느 영역에서 잘 작동하는지 확립하기 전에도 이는 평가의 유용한 출발점이다.

tiny-voca TTS의 경우 개방성은 단점도 더 실행 가능한 문제로 만든다. 발음 실패는 특정 입력과 음성에 연결된 재현 가능한 이슈가 될 수 있다. 이러한 피드백 순환은 데모가 인위적으로 들린다는 일반적인 불만보다 더 많은 정보를 제공한다.

소형 음성 모델은 배포 선택에 압박을 가한다

즉각적인 압박은 제품에 실제로 어느 정도의 음성 기능이 필요한지 결정하는 애플리케이션 개발자에게 가해진다.

tiny-voca가 기존 음성 서비스 제공업체의 사업을 위협한다고 선언할 검증된 근거는 없다. 실질적인 도전은 더 구체적이다. 제약된 로컬 음성이 그렇지 않으면 더 폭넓은 음성 시스템이 필요해 보이는 작업을 충족할 수 있는지 묻는다.

가상의 읽기 기능은 이 선택을 보여준다. 짧은 영어 알림을 읽어 주는 애플리케이션은 풍부한 표현력이나 대규모 음성 카탈로그보다 예측 가능한 로컬 실행을 우선할 수 있다. 오디오북 제품은 청취자가 리듬, 강조, 음성 피로도를 훨씬 오래 평가하기 때문에 다른 기준에 직면한다.

이는 가능한 애플리케이션 사례일 뿐, 문서화된 tiny-voca 고객 배포 사례는 아니다. 그럴듯한 사용 사례가 도입의 증거는 아니기 때문에 이 구분은 중요하다. 다만 상용 출시가 눈에 띄기 전부터 개발자가 소형 음성 모델에 관심을 두는 이유를 설명해 준다.

출시 관련 토론의 한 참여자는 이미 그래픽 메모리를 사용하는 로컬 언어 모델을 운영한다고 설명했다. 해당 사용자는 바로 이 이유로 CPU 음성 모델에 관심을 보였다. 이 의견은 실제 자원 제약을 보여주지만, tiny-voca의 성능을 독립적으로 검증하는 것은 아니다.

중앙처리장치, 즉 CPU는 일반적인 컴퓨팅 작업을 처리한다. 그곳에서 음성을 실행하면 애플리케이션이 구성 요소 간 작업을 분배하는 방식이 달라질 수 있다. 이러한 분배가 응답성을 개선하는지는 동일한 프로세서를 두고 경쟁하는 다른 프로세스를 포함한 전체 작업 부하에 달려 있다.

따라서 관련 비교는 모델 크기보다 더 폭넓다. 개발자는 음성 적합성, 발음, 시작 동작, 메모리 사용량, 오류 진단 능력을 평가해야 한다. 더 작은 모델은 그 제약이 제품 요구 사항과 맞을 때 가치가 있다.

Kokoro는 오픈 웨이트 음성 모델이 8,200만 파라미터와 Apache 라이선스 가중치를 갖추고 있어 유용한 비교 대상이다. 모델 카드는 더 폭넓은 언어 및 음성 제공 범위를 설명한다. 이러한 사양은 두 시스템이 공통 작업에서 어느 쪽이 더 좋은 소리를 내는지 입증하지는 않으면서도 서로 다른 범위를 보여준다.

공정한 비교는 동일한 텍스트, 호환 가능한 하드웨어 조건, 명시적인 청취 기준을 사용해야 한다. 또한 각 크기 수치에 어떤 구성 요소가 포함되는지도 식별해야 한다. 이러한 통제가 없다면 파라미터 비교는 서로 다른 설계 목표를 근거 없는 순위로 바꿀 위험이 있다.

음성 요구 사항이 제한적인 애플리케이션에서는 경쟁상의 질문이 특히 뚜렷해진다. 사용자가 고정된 음성을 받아들인다면 추가 음성 선택권은 실용적 이점을 덜 제공한다. 발음 오류가 핵심 작업을 훼손한다면 작은 다운로드 용량으로는 이를 보상할 수 없다.

이는 자동적인 이전이 아니라 엔지니어링 결정으로 이어진다. 개발자는 최소한으로 허용 가능한 음성 경험을 정의하고 후보 시스템을 그 기준에 따라 평가해야 한다. 이번 출시는 평가 대상을 넓히지만 결과를 확정하지는 않는다.

같은 원칙은 개인정보 보호에 대한 기대에도 적용된다. 제작자는 브라우저 추론이 입력된 텍스트를 서버로 전송하지 않는다고 말한다. 이 접근 방식을 채택하는 제품 팀은 동등한 약속을 하기 전에 자체 호스팅, 로깅, 네트워크 동작을 여전히 검토해야 한다.

지식 애플리케이션에서 음성 출력은 읽어 주는 자료의 정확성에도 좌우된다. 검색 가능한 지식 기반은 올바른 원본 자료를 찾는 워크플로의 별도 부분을 다룬다. 음성 품질은 잘못된 답을 검색한 문제를 보완할 수 없다.

더 작은 파형 생성기가 설계를 설명한다

tiny-voca의 기술적 주장은 단순한 파라미터 축소가 아니라 소리를 생성하는 방식에 초점을 둔다.

제작자는 모델의 속도가 부분적으로 기존 신경 보코더를 피한 데서 나온다고 설명한다. 신경 보코더는 음향 표현을 오디오로 변환하는 학습된 구성 요소다. 대신 시스템은 소스-필터 합성을 사용한다. 이 접근 방식은 여기 신호를 만들고 필터를 통해 형태를 조정해 음성을 생성한다.

소스-필터 아키텍처는 예측된 피치와 노이즈를 네트워크에서 변화 특성을 얻는 필터와 결합한다. 실질적으로 학습된 시스템은 구조화된 소리 생성기를 제어한다. 음성 파이프라인에서 머신러닝을 제거하는 것은 아니다.

이 설계는 크기 주장에 기술적 설명을 부여한다. 모델은 출력 경로를 완성하기 위해 별도의 비교적 정교한 학습형 파형 디코더를 필요로 하지 않는다. 그러나 아키텍처의 단순성만으로 청취자가 생성된 소리를 받아들일지 판단할 수는 없다.

또 다른 중요한 구성 요소는 작성된 텍스트를 음성 소리의 표현으로 변환하는 음소 변환기다. 제작자는 사전, 발음 규칙, 문맥 검사, 낯선 단어를 위한 소형 모델을 설명한다. 이 프런트엔드는 음성이 무엇을 발음하도록 요청받는지를 결정한다.

이 구분은 음성 오류에 진단이 필요한 이유를 설명하는 데 도움이 된다. 잘못된 발음은 소리 생성기가 입력을 받기 전 단계에서 발생할 수 있다. 이름에 잘못된 소리를 할당하는 프런트엔드는 오디오 질감을 개선한다고 해서 반드시 수정되지 않는다.

반대로 발음이 정확하다고 자연스러운 전달이 보장되지는 않는다. 문장에 의도한 단어가 포함돼도 여전히 평평하거나 고르지 않거나 합성된 것처럼 들릴 수 있다. 평가자는 음성 품질을 하나의 구분되지 않은 점수로 취급하기보다 단어 정확도와 리듬, 음성 특성을 분리해야 한다.

학습 경로는 또 다른 구분을 제시한다. 제작자는 tiny-voca가 별도의 음성 생성 시스템인 Qwen3-TTS로 생성한 합성 오디오에서 학습했다고 말한다. 새 모델을 처음부터 학습한다고 해서 데이터 생성 과정의 모든 부분이 기존 모델과 독립적이었다는 뜻은 아니다.

독자가 짧은 학습 주장 해석할 때 이 점은 중요하다. 저자에 따르면 RTX 4090 한 대에서 7.7시간이 걸렸다는 보고는 공개된 모델의 학습을 설명한다. 전체 상위 단계의 음성 기능이 그 실행 안에서 만들어졌다는 주장으로 바뀌어서는 안 된다.

합성 학습 오디오는 입력과 레시피가 공개될 때 소형 모델의 제작 과정을 더 쉽게 검토하게 할 수 있다. 동시에 계승된 발음, 표현력, 적용 범위에 대한 질문을 제기한다. 이러한 질문에는 합성 데이터를 하나의 범주로 가정하기보다 청취 테스트와 표적 분석이 필요하다.

학생 모델이 학습 소스보다 더 좋은 소리를 낼 수 없다는 제작자의 언급은 기대에 대한 신중함을 표현한다. 이는 시스템 간 통제된 비교가 아니다. 독자는 이를 모델 학습에 관한 보편적 규칙이 아니라 한계에 대한 저자의 설명으로 이해해야 한다.

따라서 아키텍처에 관한 이야기는 구체적이지만 범위가 제한적이다. 구조화된 오디오 생성과 특화된 텍스트 프런트엔드는 이 프로젝트가 소형 음성을 구현하는 방식을 설명한다. 또한 개발자가 실패 원인을 조사하고 개선 사항을 시험할 수 있는 별도의 지점도 보여 준다.

이것이 이번 릴리스의 기술적 의미를 읽는 가장 유용한 방법이다. 구성 요소별로 검토할 수 있는 설계를 드러낸다. 다음 질문은 이러한 구성 요소가 실제 애플리케이션의 정확도와 청취 요구 사항을 함께 충족하는지다.

70배 주장은 지연 시간과 품질을 여전히 확정하지 못한다

제작자가 제시한 속도 수치는 완전한 사용자 경험이 아니라 보고된 생성 속도를 측정한 것이다.

게시물에 따르면 tiny-voca는 CPU 스레드 4개를 사용해 실시간보다 약 70배 빠르게 실행된다. 이는 재생 시간에 비례한 오디오 생성 속도를 설명한다. 특정 기기가 텍스트를 받은 뒤 얼마나 빨리 음성을 시작하는지는 알려주지 않는다.

처리량은 시간당 완료되는 작업량이고, 지연 시간은 요청한 결과가 도착하기 전까지의 지연이다. 시스템은 한 지표에서는 좋은 성능을 내면서 다른 지표에서는 기대에 미치지 못할 수 있다. 대화형 음성에는 사용자가 실제로 마주할 조건에서 두 항목 모두의 평가가 필요하다.

주요 생성 단계 밖에도 여러 지연이 있을 수 있다. 애플리케이션은 파일을 불러오고, 런타임을 초기화하고, 텍스트를 처리하고, 오디오 재생을 준비해야 할 수 있다. 이는 측정된 tiny-voca 결과가 아니라 평가 시 고려할 사항이며, 임의로 만든 성능 수치에 포함해서는 안 된다.

검토한 릴리스 게시물은 헤드라인의 주장을 프로세서 전반으로 일반화할 만큼 충분한 하드웨어 및 방법론 세부 정보를 제공하지 않는다. 스레드 4개라는 정보만으로는 프로세서의 성능을 알 수 없다. 재현 가능한 비교를 위해서는 노트북 전원 설정, 백그라운드 활동, 런타임 구성 역시 공개되어야 한다.

브라우저 성능은 별도의 측정이 필요하다. 로컬 Python 실행이 성공했다고 해서 브라우저 엔진과 기기 전반에서 동등한 동작이 입증되지는 않는다. 마찬가지로 브라우저 데모가 성공했다고 해서 추가적인 경쟁 작업이 있는 다른 애플리케이션 내부에서 모델이 어떻게 동작하는지 알 수 있는 것은 아니다.

공개된 모델 파일은 헤드라인만으로는 얻기 어려운, 더욱 확실한 테스트 출발점을 제공한다. 모델 카드는 저장된 가중치, 내보낸 모델, 음소 변환기 데이터를 구분한다. 이 구분은 광고된 모델 크기가 전체 배포 용량이 아님을 다시 보여 준다.

이러한 아티팩트 중 어느 것도 70배 수치를 독립적으로 검증하지는 않는다. 다만 검토자가 실행할 수 있는 구체적 구현을 제공함으로써 검증을 가능하게 한다. 신뢰할 수 있는 재현 결과라면 사용한 파일, 소프트웨어 버전, 프로세서, 입력 텍스트, 시간 측정 경계를 명시해야 한다.

사용자가 구체적인 발음 문제를 보고했기 때문에 품질에 관한 불확실성은 더 직접적이다. 한 Reddit 댓글 작성자는 문맥을 고려한 숫자 읽기를 칭찬하면서도 음성이 로봇 같다고 설명했다. 이처럼 엇갈린 반응은 텍스트 처리의 성공과 음성의 자연스러움을 분리하기 때문에 유용하다.

다른 참여자는 이름, 의학 용어, 합성어 발음, 유럽식 숫자 표기에서 문제를 보고했다. 제작자는 약점을 인정했고 일부 사례를 버그로 지목했다. 이러한 대화는 체계적인 벤치마크가 아닌 일화적 관찰에 머물지만, 조치 가능한 보고를 마련한다.

이 사례들은 청취자가 정확히 파악해야 할 수 있는 정보를 다루기 때문에 중요하다. 인물 이름을 잘못 발음하면 거슬릴 수 있고, 수량을 잘못 이해하면 음성 출력의 목적 자체를 훼손할 수 있다. 심각성은 애플리케이션과 주변 맥락에 따라 달라진다.

가상의 음성 리더에서는 사용자가 언제 발음이 실패할지 항상 예측할 수 없기 때문에 낯선 이름에 특별한 주의를 기울여야 한다. 매끄러운 전달은 잘못된 읽기조차 확신에 차게 들리게 할 수 있다. 따라서 평가는 일반적인 데모 문장만이 아니라 제품이 다룰 것으로 예상하는 어휘를 포함해야 한다.

숫자와 약어도 마찬가지다. 짧은 문자열에는 고립된 단어에서는 드러나지 않는 문맥이 필요할 수 있다. 사전 항목의 존재 여부를 확인하는 것보다 완전한 애플리케이션 문장을 시험하는 편이 더 유익하다.

이 글을 위해 독립적인 청취 평가는 수행되지 않았다. 따라서 tiny-voca와 Kokoro를 자연스러움이나 명료성 측면에서 순위를 매길 근거는 없다. 공개된 샘플과 커뮤니티 반응은 공통 품질 점수를 확립하기보다 조사할 질문을 제시한다.

제작자는 영어 전용 지원, 고정된 음성, 음성 복제 미지원도 인정한다. 음성 복제란 제공된 화자의 정체성을 모방하는 음성을 생성하는 것을 뜻한다. 이 기능이 없다는 점은 개인화된 음성을 중심으로 설계된 시스템보다 더 좁은 제품 제안이라는 의미다.

이러한 제약은 배포 논의를 시작하기 전에 기대치를 형성해야 한다. 다국어 발음이나 특정 화자 정체성이 필요한 팀은 범위 불일치에 직면한다. 고정된 영어 음성을 받아들일 수 있는 팀도 정확도, 청취 편의성, 운영 동작을 검증해야 한다.

tiny-voca TTS는 이러한 검토 아래에서도 흥미롭다. 핵심 주장은 평가 가능한 소형 오픈 음성 시스템이 제공된다는 것이다. 보편적인 CPU 성능, 프로덕션 적합성, 더 뛰어난 오디오 품질은 각각 별도의 증거가 필요한 별개 주장으로 남는다.

세 가지 시험이 이번 릴리스의 강점을 보여 줄 것이다

다음으로 유용한 증거는 재현 가능한 성능, 해결된 발음 오류, 그리고 독립적으로 유지되는 개조 사례다.

첫 번째 신호는 식별된 하드웨어에서 문서화된 속도 재현 결과다. 앞으로 수개월 동안 유익한 검토라면 텍스트 세트를 공개하고 시작 시간과 반복 생성 시간을 구분할 것이다. 또한 브라우저 동작을 다른 실행 경로와 별도로 보고할 것이다.

개발자가 실제로 목표로 하는 기기에서 수용 가능한 성능이 유지된다면, 그러한 결과는 소형 배포 주장을 강화할 것이다. 더 느린 결과가 나온다고 해서 프로젝트가 자동으로 무효화되는 것은 아니다. 다만 보고된 효율성이 유용한 제품 이점으로 이어지는 상황을 좁힐 뿐이다.

가장 유의미한 테스트는 현실적인 경쟁 워크로드도 유지해야 한다. 단독으로 평가한 음성 구성 요소는 애플리케이션의 나머지 부분과 함께 있을 때 다르게 동작할 수 있다. 검토자는 독자가 결과가 자신의 배포 조건과 맞는지 판단할 수 있도록 그 맥락을 설명해야 한다.

두 번째 신호는 이미 보고된 구체적인 발음 오류의 개선이다. 이름이나 숫자 형식을 수정하는 릴리스는 이후 확인을 위해 원래 사례를 보존해야 한다. 회귀란 변경으로 한 동작을 고치면서 이전에는 작동하던 다른 동작을 망가뜨리는 경우를 말한다.

개선이 두 음성과 다양한 문장 맥락에서 지속된다면 이러한 검증은 신뢰를 강화할 것이다. 수정이 고립된 사례에만 적용된다면 신뢰는 약화될 것이다. 공개적으로 재현 가능한 입력은 유지 관리자와 외부 기여자가 그 차이를 더 쉽게 검토하도록 돕는다.

더 폭넓은 음성 카탈로그도 흥미롭겠지만, 이 정확도 작업의 관심을 빼앗아서는 안 된다. 새 음성이 공통 텍스트 처리 오류를 자동으로 해결하지는 않는다. 프로젝트의 실용성은 실제 입력이 축적될수록 프런트엔드가 더 신뢰할 수 있게 되는지에 부분적으로 달려 있다.

세 번째 신호는 공개된 학습 레시피를 독립적으로 활용하는 사례다. 문서화된 개조는 다른 개발자가 자료를 이해하고 사용할 수 있는 결과를 만들 수 있는지 보여 줄 것이다. 가장 강력한 증거에는 해당 개조의 변경 사항, 평가 입력, 한계가 포함될 것이다.

이는 파일 제공 여부를 넘어 개방성 주장을 강화할 것이다. 원래 프로젝트 외부의 누군가가 과정을 완료하고 결과를 설명할 때 재현 가능성은 더욱 설득력 있어진다. 데모 음성이 매력적으로 들리더라도 검토할 수 없는 개조는 증거가 약하다.

이 신호들은 서로 다른 질문에 답하기 때문에 분리해서 다뤄야 한다. 속도 테스트는 실행 주장을 검토하고, 발음 개선은 신뢰성을 검토하며, 개조는 릴리스가 추가 개발을 가능하게 하는지 검토한다. 한 영역의 성공이 다른 영역의 불확실성을 없애지는 않는다.

세 가지 모두에는 유지 관리 문제가 함께 따라붙는다. 매력적인 초기 릴리스는 지속적인 사용을 뒷받침하기 위해 이해하기 쉬운 업데이트와 안정적인 평가 사례가 필요하다. 제작자는 이 프로젝트를 사이드 프로젝트라고 설명하므로, 기대치는 실제로 유지 관리되는 범위를 반영해야 한다.

tiny-voca TTS를 평가하는 개발자라면 애플리케이션에서 읽어야 하는 텍스트와 이를 말할 것으로 예상되는 기기부터 살펴보라. 이름, 수량, 약어, 약점을 드러내는 긴 문장을 포함하라. 허용할 수 없는 읽기와 이를 유발하는 조건을 모두 기록하라. 같은 자료로 다른 후보를 비교한 뒤, 매개변수 수가 아니라 작업 요구 사항에 따라 결과를 판단하라. 고정된 음성은 짧은 알림에는 적합할 수 있지만 장시간 읽기에는 부족할 수 있다. 한 워크플로에서는 로컬 실행이 중요할 수 있고, 다른 워크플로에서는 음성 다양성이 더 중요할 수 있다. 이러한 우선순위를 명확히 유지하고, 테스트 입력을 보존하며, 이후 릴리스가 발견한 오류를 개선하는지 지켜보라. 더 작은 시스템이 사용자가 안정적으로 이해할 수 있는 음성을 제공하는가?

 
 

무료로 시작하세요

개인 지식 관리 기능을 갖춘 로컬 우선 AI 어시스턴트

더 나은 AI 경험을 위해

현재 remio는 Windows 10+ (x64) 및 M-Chip Macs만 지원합니다.

업무를 위한 AI 파트너
remio와 더 많은 일을 해내세요

계획하고, 만들고, 완성하세요
모든 일을 한곳에서

bottom of page