Aero-1-Audio는 LMMs-Lab에서 개발한 경량 오디오 모델로, Qwen-2.5-1.5B를 기반으로 구축되었으며 매개변수는 1억 5천만 개에 불과합니다. 긴 오디오 처리용으로 설계되어 분할 없이 15분간 연속 오디오 입력을 지원합니다. 음성 인식(ASR) 작업에서 정확도가 높으며 AMI, LibriSpeech, SPGISpeech 및 기타 데이터 세트에서 단어 오류율이 가장 낮습니다.

Aero-1-오디오

핵심 매개변수 및 통계

매개변수	공식적으로 검증 가능한 정보
제품 포지셔닝	긴 형식의 오디오를 위한 경량 오디오 모델
기본 모델	Qwen-2.5-1.5B
매개변수 양	1억 5천만(1억 5천만)
최대 오디오 길이	15분 연속입력
훈련 데이터	~50억 토큰(오디오 50,000시간)
교육 자원	H100 GPU 16개, 하루 만에 완료
FLOP 활용도	0.34(시퀀스 패킹으로 최적화)
출판 플랫폼	포옹하는 얼굴

간략한 설명: Aero-1-Audio는 1억 5천만 개의 매개변수를 사용하여 소형 모델이 오디오 작업에서 Whisper와 같은 대형 모델을 능가할 수 있음을 증명했습니다.

사용자 및 시장 인지도

현장에서 점차적으로 사용자 인지도를 구축하고, 콘텐츠 제작자와 팀은 제품 기능을 사용하여 업무 효율성을 향상시킵니다. 일부 업계 사용자는 이를 일상 작업 흐름에 통합했습니다. 특정 사용자 규모 및 업계 채택률 데이터에 대한 최신 공식 공개를 참조하는 것이 좋습니다.

비용 이점

C면/개인: 완전 오픈 소스이며 무료입니다. Hugging Face에서 다운로드하여 사용할 수 있습니다. 자신만의 추론 컨텍스트를 준비해야 합니다(GPU 권장).

개발자: 무료 오픈 소스이며 자신의 애플리케이션에 통합될 수 있습니다. 16 H100 교육 연구팀 친화적인 1일 저비용 교육 요법입니다.

기업/개인: 오픈 소스를 사용하면 자체 배포 및 미세 조정이 가능합니다. MIT와 같은 오픈 라이선스는 상업적 사용을 허용합니다. (구체적인 라이선스는 공식적으로 적용됩니다.)

주요 기능

• 긴 오디오 처리: 분할 없이 최대 15분까지 연속 오디오 입력을 지원하여 상황에 따른 일관성을 유지합니다.
• 음성 인식(ASR): 실시간 전사, 회의록, 강의 전사에 적합한 고정밀 음성-텍스트 변환입니다.
• 복잡한 오디오 분석: 음성, 음향 효과, 음악 등 다양한 오디오 유형에 대한 분석 및 의미 이해를 지원합니다.
• 명령 기반 작업: 오디오에서 특정 정보를 추출하거나 지침에 따라 특정 작업을 수행합니다.
• 경량 및 효율성: 단 1억 5천만 개의 매개변수로 여러 벤치마크에서 더 큰 Whisper 및 Qwen-2-Audio보다 성능이 뛰어납니다.

모델 및 버전의 진화

지속적인 반복 업데이트인 최신 버전에는 성능 최적화와 새로운 기능이 도입되었습니다. 과거 버전 정보는 공식 출시 페이지에서 확인할 수 있습니다. 아직 완전한 공개 버전 발전 타임라인이 없습니다. 기능 업데이트의 리듬을 이해하려면 공식 발표에 주의를 기울이는 것이 좋습니다.

기술적인 장점

주요 유형 판단: 기본 대형 모델/API 인프라 - 경량 오픈 소스 오디오 모델.

성능 및 처리량: 단 16개의 H100 GPU로 1일 훈련. Sequence Packing 기술을 통해 Inference 단계의 FLOP 활용도를 0.03에서 0.34로 향상시켰습니다. TTFT 및 TPM/RPM과 같은 온라인 서비스 지표는 공개되지 않으며 공식 Hugging Face 페이지의 적용을 받습니다.

적응 경계: 음성 인식(ASR) 및 긴 오디오 이해 작업에 가장 적합합니다. 음성 명령을 따르고 오디오 장면을 이해하는 데 탁월한 성능을 발휘합니다. 그러나 음악 생성 및 음성 합성(TTS)과 같은 생성 오디오 작업에는 좋지 않습니다.

훈련 방법: 토큰 길이를 기반으로 하는 동적 일괄 처리 전략을 채택하여 샘플을 사전 정의된 토큰 길이 임계값으로 그룹화함으로써 컴퓨팅 리소스 활용도를 향상시킵니다.

사용방법

입구	설명
포옹하는 얼굴	모델을 다운로드하려면 Huggingface.co/lmms-lab/Aero-1-Audio를 방문하세요
지역 추론	추론을 위해 Transformers 라이브러리를 통해 모델 로드

제품 가격

가격 모델은 공식 실시간 페이지를 따릅니다. 일반적으로 부분 유료화(Freemium)나 구독제(Subscription System)를 사용하며 기본 기능은 무료로 사용할 수 있다. 고급 기능을 사용하거나 빈도가 높은 경우에는 유료 구독이 필요하며, 사용자는 실제 사용량을 바탕으로 최적의 솔루션을 평가하는 것이 좋습니다.

애플리케이션 시나리오

• 음성 도우미: 지능형 음성 도우미를 위한 효율적인 음성 인식 및 이해 기능을 제공합니다.
• 실시간 전사: 음성 내용을 텍스트로 빠르게 전사하여 회의, 강의 등에 적합합니다.
• 오디오 보관 및 검색: 오디오 라이브러리에 콘텐츠 태그를 추가하고 의미 검색을 지원합니다.
• 에이전트 청취 모듈: 에이전트에게 긴 음성을 이해할 수 있는 능력을 제공하고 여러 라운드의 대화를 지원합니다.

해당자

• 개인 사용자: 일상 업무 효율성 향상을 위해 AI 지원이 필요한 콘텐츠 제작자 및 지식 근로자입니다.
• 개발자: API를 통해 AI 기능을 자체 제품이나 서비스에 통합해야 하는 기술팀입니다.
• 기업: 해당 분야에 대규모로 AI를 배포하려는 조직입니다.

요약 및 전망

Aero-1-Audio는 ASR 벤치마크에서 Whisper를 능가하는 1억 5천만 개의 매개변수 + 50,000시간의 교육 데이터 등 작은 모델의 큰 문제를 해결하는 엔지니어링 능력을 보여줍니다. 훈련 효율성 최적화 솔루션(동적 배치 처리 + 시퀀스 패키징)은 리소스가 제한된 연구팀에게 참고 가치가 있습니다.

Unfit Boundary: 음성 합성(TTS) 기능을 제공하지 않습니다. 추론에는 GPU 리소스가 필요합니다. 해당 모델은 영어만 지원합니다. 구조화되지 않은 긴 오디오의 음성 분리 효과는 공개되지 않습니다. 연구 모델로서 생산 맥락의 안정성과 지원은 스스로 평가해야 합니다.

구매 제안: 재현 및 미세 조정을 위해 연구팀이 모델을 직접 다운로드할 수 있습니다. 프로덕션에 배포하기 전에 대상 데이터에 대한 ASR 정확도를 확인하고 GPU 추론 비용을 평가해야 합니다. 향후 LMMs-Lab이 더 큰 버전을 출시할지 아니면 전용 미세 조정 버전을 출시할지 주목하세요.

관련 도구: elevenlabs, udio

버전 정보

• Aero-1-Audio 릴리스 ：Qwen-2.5-1.5B를 기반으로 15분간의 연속 오디오를 지원하며 ASR 멀티 벤치마크에 최적입니다. （~2025-05）
• Aero-1-오디오 미리보기 ：초기 미리보기 버전, 핵심 오디오 처리 아키텍처 검증. （~2025-03）