실시간 AI 아바타 모델 비교: 지연 시간, 아키텍처 및 비용

아키텍처, 대기 시간 정의, 전송, 가격 책정 및 이를 직접 평가할 수 있는 반복 가능한 방법

모든 실시간 아바타 공급업체는 대기 시간 수치를 게시합니다. Anam는 ~150ms 서버 측 생성으로 1초 미만의 대화를 말합니다. Tavus는 600ms 미만이라고 말합니다. Beyond Presence는 100ms 미만이라고 말합니다. Simli는 300ms 미만이라고 말합니다. LemonSlice에는 471ms가 표시됩니다. Ojin는 200ms 미만이라고 말합니다.

이 숫자 중 어느 것도 거짓말이 아닙니다. 그들 중 거의 누구도 동일한 것을 측정하지 않습니다.

이것이 2026년 실시간 아바타 제공자를 선택할 때의 핵심 문제이며, 팀이 일상적으로 사양서에서 하나를 선택하고 통합한 다음 약속된 숫자보다 경험이 느리게 느껴지는 이유입니다. 이 기사는 이러한 시스템이 실제로 무엇인지, 모델이 구조적으로 어떻게 다른지, 게시된 각 지연 시간 수치가 실제로 측정하는 내용, 헤드라인 속도를 확인한 후 비용, 그리고 가장 유용하게는 오후에 직접 실행할 수 있는 테스트 프로토콜을 수정하려는 시도입니다.

같은 이름을 지닌 두 제품

무엇이든 비교하기 전에 카테고리를 둘로 분리하세요. 거의 모든 공급자는 다음 중 하나 또는 둘 다를 판매하며 대체품이 아닙니다.

에이전트 API. 공급자는 음성 인식, 언어 모델, 텍스트 음성 변환, 렌더링, 전송, 일반적으로 프롬프트 필드와 지식 기반이 있는 대시보드 등 전체 스택을 소유합니다. 페르소나를 구성하고 페이지에 위젯을 놓습니다. 빠른 배송, 최소한의 제어 및 대화 품질은 공급업체가 선택한 모델에 따라 결정됩니다.

오디오-비디오 API. 공급자의 범위는 상담원의 오디오를 가져오고 실시간으로 립싱크된 비디오 스트림을 반환하는 한 가지 작업에서 멈춥니다. 자신만의 음성-텍스트, LLM, 음성, 오케스트레이션을 가져옵니다. 일반적으로 Pipecat 또는 LiveKit 에이전트. 이것이 "얼굴 레이어" 모델이며, 진지한 제품을 만드는 대부분의 팀이 최종적으로 사용하는 모델입니다. 왜냐하면 아바타는 이미 작동하는 음성 에이전트 위에 선택적인 인터페이스 레이어가 되기 때문입니다.

이러한 구별은 상업적으로도 중요합니다. Beyond Presence는 에이전트 모드와 음성-비디오 모드의 요금을 정확히 두 배로 청구합니다. HeyGen의 라이트 모드(두뇌를 가져옴)는 전체 모드 가격의 약 절반입니다.

유용한 규칙: 먼저 음성 에이전트를 구축하고 잘 만든 다음 얼굴을 추가하세요. 아바타로 시작한 팀은 도움이 되지 않는 말을 하는 아름다운 시스템으로 끝나는 경향이 있습니다.

이 모델이 실제로 작동하는 방식

근본적으로 다른 세 가지 렌더링 접근 방식이 현재 생산 중이며 차이점은 중요한 방식으로 나타납니다.

픽셀 공간 확산

지배적 인 접근 방식. 확산 모델은 주행 오디오와 참조 아이덴티티에 따라 비디오 프레임을 직접 생성합니다. Tavus는 Phoenix-4를 가우스 확산 모델로 설명합니다. LemonSlice는 확산 트랜스포머를 사용합니다. 모델은 리그를 구동하는 대신 픽셀을 생성하기 때문에 조작된 모델에서는 가질 수 없는 표정, 미세한 움직임 및 손 제스처를 생성할 수 있습니다. 또한 가장 컴퓨팅을 많이 사용하는 접근 방식이므로 이 범주의 분당 가격이 책정됩니다.

가우스 스플래팅 및 학습된 표현

Simli는 전체 픽셀 공간 생성이 아닌 가우스 스플래팅 표현을 통해 렌더링됩니다. Simli의 분당 비용은 픽셀 확산 제공업체보다 대략 10배 정도 낮으며, 독립적인 리뷰어들은 눈의 원형 움직임, 기계적인 머리 회전, 듣기와 말하기 사이의 열악한 전환 등 유휴 동작을 지속적으로 지적해 왔습니다.

3D 렌더링

Uneeq은 Unreal Engine에서 볼류메트릭 디지털 휴먼을 구축하고 WebRTC를 통해 픽셀 스트리밍을 제공합니다. NVIDIA의 ACE 스택은 다음과 같은 관련 경로를 따릅니다. Audio2Face-3D 마이크로서비스는 음성을 3D 캐릭터를 구동하는 ARKit 블렌드 셰이프로 변환하고 NVIDIA AI Enterprise 라이선스에 따라 자체 호스팅 가능한 NIM 컨테이너로 제공됩니다. 사진으로도 착각하지 않으실 겁니다. 그 대가로 완전한 아트 디렉션, 결정론적 동작, 양식화된 비인간 캐릭터, 그리고 NVIDIA 경로를 통해 최고급 제품에서 유일하게 진정한 자체 호스팅 옵션을 얻을 수 있습니다.

아바타 만들기: 사진과 비디오

이는 조용히 가장 큰 실질적인 차별화 요소가 되었습니다. 2년 전에는 모든 서비스 제공업체에 2분짜리 스튜디오 녹음이 필요했습니다. 이제 Anam의 Cara-4, Simli, LemonSlice, Hedra, Ojin 및 bitHuman은 모두 훈련 단계 없이 단일 사진에서 아바타를 생성할 수 있습니다. Tavus 및 HeyGen는 여전히 녹화된 비디오에서 최고 품질의 맞춤형 아바타를 구축합니다. 이는 몇 초가 아닌 며칠이 걸리지만 단일 이미지 모델이 추론해야 하는 다중 각도 얼굴 데이터를 캡처합니다.

절충안은 현실입니다. 단일 사진 생성을 사용하면 오후에 100개의 페르소나를 생성할 수 있습니다. 비디오로 훈련된 복제물은 모델이 사람의 실제 머리 회전을 보았기 때문에 면밀히 조사할 때 여전히 더 잘 견디는 경향이 있습니다.

"대기 시간"이라고 불리는 6가지 다른 것

다음은 모든 공급업체의 가격 페이지에 있어야 하지만 존재하지 않는 표입니다.

측정 대상	→에서	일반적인 공개 범위	사용자가 그것을 느끼나요?
서버측 생성	오디오 청크 도착 → 비디오 프레임 생성	100~250ms	전체의 일부로만. 가장 작은 구성 요소.
스트리밍 추론 지연 시간	렌더링 루프 내부에서만	100ms 미만	아니요. 네트워크를 완전히 제외합니다.
추론 TTFB	요청 → 출력의 첫 번째 바이트	~470ms 청구됨	부분적으로. 그 앞의 LLM 및 TTS는 제외됩니다.
전역 아바타 대기 시간	클라이언트로의 네트워크 송신을 포함합니다.	~250ms	더 가까이. 여전히 추론 스택을 제외합니다.
엔드투엔드 대화 대기 시간	사용자가 말하기를 중지 → 아바타가 말하기 시작	600ms – 1.5초	그렇습니다. 이것이 중요한 것입니다.
층 예측/순회	시스템에서 사용자가 완료했다고 판단하는 속도	55~300ms	그렇습니다. 복구 가능한 청크 중 가장 큰 경우가 많습니다.

100ms를 인용하는 공급업체와 1초를 인용하는 공급업체는 동일한 시스템을 설명할 수 있습니다. 첫 번째는 렌더 루프를 측정하는 것입니다. 두 번째는 전체 대화 차례를 측정하는 것입니다. 공급자를 비교할 때 단일 시계에 녹음된 오디오 및 비디오에서 측정된 다섯 번째 행을 고집하고 중앙값뿐만 아니라 p95를 요청하십시오.

아무도 게시하지 않는 숫자가 하나 더 있으며 모두가 다음을 수행해야 합니다. 세션 참여 시 첫 번째 프레임까지의 시간. 키오스크 또는 부스 설정에서 누군가가 걸어오는 것과 얼굴이 나타나는 것 사이의 간격은 전체 시스템에서 가장 중요한 대기 시간이며, 독립적인 리뷰어는 대화 중 대기 시간이 양호할 때에도 몇몇 제공업체가 참여하는 속도가 느리다는 점을 지적했습니다.

실제로 만족도를 예측하는 지연 시간

지금까지 발표된 이 범주에 대한 유일한 제3자 블라인드 평가는 178명의 참가자를 대상으로 진행되었으며 응답성은 시각적 품질보다 전반적인 경험에 대한 가장 강력한 단일 예측 변수(0.697의 Spearman 상관 관계)인 것으로 나타났습니다. 그 결과는 일주일 동안 피부 질감을 비교하기 전에 내면화할 가치가 있습니다. 사용자는 어떤 모델이 더 잘 렌더링되는지 확실하게 알 수 없습니다. 그들은 어느 쪽이 더 빨리 대답하는지 즉시 알아차립니다.

공급자

아래 수치는 2026년 8월 현재 각 공급업체가 게시하거나 제3자 리뷰어가 보고한 수치입니다. 실시간 아바타 가격은 빠르게 변했고 앞으로도 계속 변할 것입니다. 모든 숫자를 사양이 아닌 측정의 출발점으로 삼으십시오.

Anam

Anam 는 전 Synthesia 직원이 2023년에 설립한 런던 스핀아웃 회사입니다. 2026년 7월에 출시된 Cara-4 모델은 25fps의 단일 사진에서 대화형 아바타를 생성하여 가로 방향에서 1152×768, 세로 방향에서 768×1152를 출력합니다. Anam는 약 150~180ms의 서버 측 생성으로 평균 대화 대기 시간을 1초 미만으로 공개하고, 70개 이상의 언어를 지원하고, 자체 LLM을 제공하며, 데이터 보존이 없는 SOC 2 Type II, HIPAA 및 GDPR 적용 범위를 나열합니다. 전송은 Pion을 통한 WebRTC입니다. 178명의 참가자가 참여한 블라인드 연구에서 시각적 품질, 립싱크, 자연스러움 및 반응성 부문에서 1위를 차지했습니다.

일관되고 독립적인 비판은 모델이 아니라(검토자들이 Cara-4의 미세 표현을 동급 최고라고 설명함) 배관에 있습니다. 즉, 제한된 대역폭에서 느린 세션 참여와 열악한 동작입니다. LiveKit 통합에는 역사적으로 해결 방법이 필요했습니다.

Tavus

2020년 설립된 샌프란시스코 연구소 YC Alumnus. Tavus 가득 팔아요 대화형 비디오 인터페이스 렌더 레이어가 아닌 세 가지 독점 모델로 구축되었습니다. 피닉스-4 렌더링을 위해, 레이븐-1 지각(시선, 표현, 환경적 맥락) 및 Sparrow-1 대화 흐름의 경우 Tavus가 바닥 예측 대기 시간 중앙값 55ms로 보고합니다. 공개 지연 시간은 600ms 미만입니다. 운송은 매일 WebRTC입니다. LiveKit 아바타 플러그인을 최초로 출시한 제품 중 하나입니다. 맞춤형 복제본은 2분 분량의 녹화로 이루어지며 표준 요금제의 경우 3~5일, 기업의 경우 24시간이 소요됩니다.

Tavus는 여기에서 가장 수직적으로 통합된 옵션입니다. 인식, 턴 테이킹, 렌더링, LLM, TTS 및 WebRTC는 모두 분당 가격에 포함되어 있으며 가장 비쌉니다. 한 구매자의 평가에서는 오류가 발생하고 재시도가 필요하기 전에 사용자 정의 아바타 생성이 약 66% 완료되었다고 보고했습니다.

HeyGen LiveAvatar

HeyGen 비디오 번역에서 아바타 생성으로 전환하고 카테고리에 대한 시각적 막대를 설정했습니다. LiveAvatar는 이전 Interactive Avatar 제품을 대체하며 LiveKit, Pipecat 및 TEN 프레임워크 지원과 함께 WebSocket 또는 LiveKit 인프라의 WebRTC를 통해 에이전트 API와 오디오-비디오 API 베타를 모두 제공합니다. 지정된 생산 고객으로는 Coursera, HP 및 Bosch가 있습니다.

독립적인 평가에서 눈에 띄는 강점은 유휴 동작(테스트한 모든 공급자 중 가장 자연스러운 미세한 움직임과 깜박임 패턴)과 아바타를 사용할 수 없는 경우 음성 또는 텍스트로 자동 대체되는 것입니다. 이는 진정으로 사려 깊은 제작 기능입니다. 눈에 띄는 약점은 감정 범위입니다. 얼굴은 단어를 정확하게 전달하지만 레지스터는 평평합니다.

맞춤형 아바타에는 2분 분량의 무삭제 녹음과 동의 영상및 동의가 웹캠을 통해 실시간으로 캡처되어야 하는 Enterprise 요금제 외부.

Simli

Simli 2023년 YC 회사는 음성 에이전트를 위한 페이스 레이어인 인프라로 명시적으로 자리매김했습니다. 에이전트 및 오디오-비디오 API, 단일 이미지 아바타 생성, LiveKit 및 Pipecat 지원을 모두 제공하며 대부분 8센트에서 35센트 사이인 시장에 대해 분당 0.009달러로 다른 누구와도 비교할 수 없는 가격을 제공합니다. 지연 시간 요청은 300ms 미만입니다.

비용은 보조금이 아닌 아키텍처에서 발생하며 품질 상한선도 마찬가지입니다. 리뷰어들은 유휴 상태를 반복적으로 표시합니다. 즉, 아바타는 "결코 휴식을 느끼지 않습니다"입니다. 세션이 짧고 주로 말하는 경우에는 문제가 되지 않을 수 있습니다. 누군가가 그 앞에 15초 동안 조용히 서 있으면 그렇게 될 것입니다.

Beyond Presence

Beyond Presence 2024년 독일에서 설립되었으며 Genesis 아바타 모델을 통해 영업, HR 및 코칭 관리 에이전트에 중점을 두고 있습니다. 이는 100ms 미만의 스트리밍 추론과 250ms 이하의 전역 아바타 대기 시간을 게시합니다. 두 가지 측정값은 위 섹션에서 주목할 가치가 있습니다. 전송은 LiveKit의 WebRTC이며 LiveKit 및 Pipecat를 모두 지원하고 iframe이 포함되어 있습니다. 가격에는 독특하고 환영받는 특성이 있습니다. 포함 및 초과 요금은 각 계층에서 동일하므로 절벽이 없습니다.

독립 리뷰어들은 비디오 품질과 대역폭 적응성을 동종 최고 수준으로 평가했습니다. 비평은 표현적입니다. 정적 이미지에서 인코딩하기 때문에 한 평가에서는 출력이 엄격한 B2B 사용을 위한 "마스코트로 읽히는" 하드 천장이 있다고 설명했습니다.

LemonSlice

LemonSlice — 이전 Infinity AI — 2024/25년에 대화형 비디오를 위한 첨단 연구실로 다시 출시되었습니다. 확산 변환기를 기반으로 구축된 아바타는 단일 사진에서 나오며, 독특하게도 사실적인 인간뿐만 아니라 양식화되고 사실적이지 않은 캐릭터도 잘 처리합니다. 리뷰어들은 제스처와 손 움직임을 가장 표현력이 뛰어난 것으로 꼽았습니다. 운송은 매일 WebRTC입니다. 위젯과 REST API가 있으며 자체 관리형 LiveKit, Pipecat 또는 Daily 파이프라인도 지원됩니다.

LemonSlice는 471ms의 응답 시간을 발표하며 이를 주요 공급자 중 가장 빠른 것으로 부릅니다. 적어도 하나의 경쟁업체의 공개 비교 페이지에서는 HeyGen와 동일한 471ms 수치를 나타냅니다. 둘 다 동일한 측정을 설명할 수 없으며 둘 다 독립적으로 검증되지 않습니다. 이것이 바로 이 기사가 표시하기 위해 존재하는 문제입니다.

Ojin

Journee Technologies에서 제작한 Ojin 뒤에 두 개의 얼굴 모델이 달려 있습니다. 하나의 API: 초상화 규모와 존재 Oris 1.0 음성-영상 모델을 통해 표현력을 향상시켰습니다. 페르소나는 훈련 단계 없이 단일 참조 이미지에서 생성됩니다. Ojin는 200ms 미만의 대기 시간을 게시하고 WebSocket를 통해 연결하므로 기존 파이프라인에 쉽게 연결할 수 있지만 클라이언트 측 전송을 담당한다는 의미입니다. 가격은 Creator(8달러/월), Studio(82달러/월), Growth(232달러/월) 및 Enterprise 계층 전반에 걸쳐 크레딧 기반이며, 모델 API와 두 가지 에이전트 모드에 대해 별도의 분당 허용량이 있습니다.

비트휴먼

비트휴먼 는 2023년 샌프란시스코에서 설립된 엣지 컴퓨팅 진입업체로, 아바타가 장치에서 실행될 때까지 어디에나 존재하지 않을 것이라는 전제를 바탕으로 구축되었습니다. 자체 호스팅되거나 클라우드에서 실행될 수 있는 "필수" 모델과 클라우드 전용 "표현형" 모델을 제공합니다. 보고된 가격은 대략 클라우드 $0.04/분, 자체 호스팅 가격은 $0.01/분입니다. 전송은 LiveKit를 통한 WebRTC이며 기술 자료, 웹후크, 분석 및 클라이언트 측 제스처 이벤트가 포함됩니다.

품질은 우수하다기 보다는 허용 가능하다는 평가를 받습니다. 그러나 이는 오프라인 키오스크, 에어갭 환경 및 8시간 설치 시 분당 클라우드 청구가 불가능한 모든 것에 대한 계산을 완전히 변경하는 로컬 배포를 제공하는 유일한 주류 공급자입니다.

Hedra, D-ID 및 Uneeq

Hedra (2023, 샌프란시스코)은 실용성보다는 창의성에 중점을 두고 디지털 캐릭터의 기반 모델을 구축합니다. 단일 이미지 아바타, LiveKit의 WebRTC, 약 $0.07/min. 독립적인 테스트에서는 낮은 해상도와 비트 전송률, 느린 대기 시간을 표시합니다.

D-ID (이스라엘, 2017)은 Deep Nostalgia로 공개적으로 알려진 베테랑으로 현재는 엔터프라이즈 스트리밍에 주력하고 있습니다. Janus를 통한 WebRTC, 프레임워크 지원 없음, SDK가 없는 하위 수준 API. 약 $0.35/분, 독립 테스트에서 지연 시간이 느린 것으로 평가되었습니다.

유니크 분당 가격이 아닌 라이센스 하에 픽셀 스트리밍을 통해 Unreal Engine 디지털 휴먼을 제공함으로써 생성적 붐을 완전히 앞지릅니다. 아바타는 Uneeq에 의해 수동으로 제작됩니다. 지연 시간은 양호합니다. 대역폭 탄력성은 그렇지 않습니다. 3D 렌더링임을 알 수 있습니다.

Synthesia비동기식 기업 비디오 분야의 카테고리인 는 라이브 서비스를 시연했지만 가장 최근의 독립적인 설문 조사에서는 이를 공개적으로 제공하지 않았습니다.

비교표

공급자	API 형태	렌더링	아바타 소스	운송	프레임워크	게시된 지연 시간
Anam	대리인	확산(Cara-4)	단일 사진	WebRTC (파이온)	LiveKit(해결 방법)	Sub-1의 대화; ~150~180ms 서버
Tavus	대리인	가우스 확산(Phoenix-4)	2분짜리 동영상	WebRTC (일일)	LiveKit, Pipecat	600ms 미만; 55ms 층 예측
HeyGen LiveAvatar	에이전트 + A2V	독점	2분 동영상 + 동의	WebSocket 또는 WebRTC(LiveKit)	LiveKit, Pipecat, 텐	~471ms TTFB(논쟁의 여지가 있음)
Simli	에이전트 + A2V	가우스 스플래팅	단일 사진	WebRTC (일일)	LiveKit, Pipecat	300ms 미만
Beyond Presence	에이전트 + A2V	독점 (창세기)	짧은 영상	WebRTC (LiveKit)	LiveKit, Pipecat	<100ms 추론; 250ms 이하(전역)
LemonSlice	대리인	확산변압기	단일 사진	WebRTC (일일)	자체 관리	471ms(자체 보고)
Ojin	에이전트 + 모델 API	오리스 1.0 음성-영상 변환	단일 이미지	WebSocket	파이프라인에 구애받지 않음	200ms 미만
비트휴먼	대리인 또는 지역	독점	이미지 또는 비디오	WebRTC (LiveKit)	LiveKit	게시되지 않음
Hedra	대리인	독점	단일 이미지	WebRTC (LiveKit)	LiveKit(해결 방법)	게시되지 않음
D-ID	대리인	독점	이미지	WebRTC (야누스)	없음	"낮은 대기 시간", 수치 없음
유니크	대리인	언리얼 엔진 3D	Uneeq에서 제작함	WebRTC(픽셀 스트리밍)	없음	게시되지 않음

비용

이 범주의 2/3는 분당 $0.08에서 $0.35 사이에 속합니다. 이상치는 구조적인 이유로 이상치이므로 이해할 가치가 있습니다.

공급자	분당 유효	구조	조심하세요
Simli	$0.009	종량제, $10 가입 크레딧	유휴 상태 품질
비트휴먼	~$0.01 자체 호스팅 / ~$0.04 클라우드	분당 또는 로컬	셀프 호스팅은 GPU를 소유한다는 의미입니다.
Hedra	~$0.07	분당	해상도 및 비트레이트
Beyond Presence	€0.087–0.175(S2V) / €0.175–0.35(대리인)	크레딧; 포함됨 = 초과 비율	에이전트 모드는 정확히 2× S2V입니다.
HeyGen LiveAvatar	$0.095(라이트, 비즈니스) – $0.25(풀, 스타터)	크레딧, $100 = 1,000	가격 단위가 혼합되어 있습니다. 초과분은 계획 크레딧 비용을 초과할 수 있습니다.
Anam	$0.18–0.24 혼합	구독 + 시간	분은 매월 만료됩니다. $999 계층은 $299 계층보다 분당 요금이 더 나쁩니다.
LemonSlice	~$0.21	구독 + 세션 선불	세션 기반 선충전 모델
Tavus	$0.32 혼합(성장) / $0.59(스타터)	구독 + 시간	6초 반올림, 최소 30초, 카테고리 내 최고 초과
D-ID	~$0.35	구독 + 크레딧	SDK 없음; 통합 비용은 실제 비용이다

헤드라인 비율보다 더 중요한 두 가지 구조적 요점:

동시성은 숨겨진 제약 조건입니다. 분당 가격은 확장이 가능하다는 것을 의미하지만, 계획은 동시 세션을 제한하며 제한이 낮습니다. 공개된 한 평가에 따르면 Tavus는 $395/월 요금제에서 15개의 동시 세션을 허용하고, Anam는 ~$299 요금제에서 5개의 동시 세션을 허용하며, HeyGen는 필수 계층에서 20개의 동시 세션을 허용하는 것으로 나타났습니다. 회의 청중이나 마케팅 캠페인 앞에 아바타를 배치하는 경우 실제로 구매하는 것은 시간이 아닌 동시성입니다. 가격을 묻기 전에 먼저 물어보세요.

번들과 직접 가져오기는 비교를 완전히 변경합니다. Tavus의 분당 속도에는 인식, 방향 전환, 렌더링, LLM, TTS 및 WebRTC가 포함됩니다. Simli의 $0.009에는 렌더링만 포함되며, STT, LLM, TTS 및 전송 비용은 별도로 지불됩니다. 비슷한 것과 비교하거나 저렴한 옵션이 실제보다 35배 더 저렴해 보일 것입니다.

현재 적용되는 동의, 유사성 및 규칙

모든 제공업체는 실제 사람의 아바타를 생성하려면 동의가 필요하며 메커니즘은 워크플로에 영향을 미칠 만큼 다릅니다. HeyGen에는 묘사된 사람의 녹화된 동의 영상이 필요하며, Enterprise 요금제 외부에서는 해당 동의가 웹캠을 통해 실시간으로 캡처되어야 합니다. 즉, 표준 요금제에서는 보관된 영상에서 아바타를 일괄 생성할 수 없습니다.

이와 별도로 2026년 8월 2일부터 EU AI법 제50조가 적용됩니다. 사람과 직접 상호 작용하는 시스템은 상호 작용이 AI와의 것임을 분명히 해야 하며, 합성 또는 조작된 콘텐츠를 처음 노출 시 명확하게 공개해야 합니다. 인간의 사실적인 아바타는 두 가지 의무 모두에 포함됩니다. 실질적인 의미는 간단합니다. 첫 번째 교환에서 공개하고 바닥글에 연결하는 대신 경험에 공개를 설계합니다.

스스로 평가하는 방법

공급업체 데모가 조정되었습니다. 공급 업체 번호는 비교할 수 없습니다. 다음은 하루 정도 소요되는 프로토콜이며 실제로 비교할 수 있는 수치를 생성합니다.

1. 유휴 테스트

세션을 시작하고 15초 동안 아무 말도 하지 마십시오. 얼굴을 조심하세요. 숨길 오디오가 없기 때문에 이것은 렌더링 품질에 대한 가장 정직한 단일 신호이며 대부분의 공급자가 가장 먼저 실패하는 부분입니다. 눈 깜박임 속도, 호흡, 미세한 머리 움직임, 듣기와 말하기 사이의 전환을 살펴보세요. 30초씩 반복하세요. 키오스크 배포에서 아바타는 대부분의 수명을 이 상태에서 보냅니다.

2. 시계 테스트

마이크 입력과 렌더링된 출력을 함께 캡처하여 하나의 시계에 상호 작용의 양면을 기록합니다. 공급업체가 보고한 타이밍을 사용하지 마십시오. 연설의 끝부터 응답의 첫 번째 들을 수 있는 단어까지 최소 30턴에 걸쳐 측정하고 p50과 p95를 별도로 보고합니다. p95가 데모보다 상당히 나쁠 것으로 예상하고 사용자가 경험하는 숫자가 될 것으로 예상하십시오.

3. 조인 테스트

세션을 20번 콜드 스타트하고 시작부터 첫 번째 렌더링된 프레임까지 벽시계 시간을 측정합니다. 아무도 이것을 게시하지 않으며 워크업 설정에서 첫인상을 지배합니다.

4. 바지인 테스트

아바타 문장의 시작, 중간, 끝에서 중단합니다. 이와 별도로 백채널("mm-hm"), 실제 수정("아니요, 금요일") 및 순수한 배경 소음을 테스트합니다. 세 가지 사항을 확인하세요. 그래야 할 때 멈추나요? 아니 중지해서는 안 될 때 중지하고 컨텍스트를 그대로 유지하면서 다시 시작합니다.

5. 대역폭 테스트

1.5Mbps로 조절하고 지터를 500ms 추가한 다음 500kbps로 조절합니다. 이는 공급자가 가장 극적으로 분리되는 지점이며 사무실 연결에서는 보이지 않습니다. 독립적인 테스트를 통해 제한된 대역폭에서 광섬유 정지 또는 연결 끊김에 탁월한 성능을 보이는 여러 제공업체가 발견되었습니다. 이것이 바로 컨퍼런스 Wi-Fi 네트워크입니다.

6. 블라인드 테스트

어느 것이 어느 것인지 모르는 10명 앞에 후보자 2~3명을 놓고 외모보다는 경험을 순위로 매겨달라고 한다. 반응성은 시각적 품질보다 만족도를 더 강력하게 예측하므로 가장 아름다운 모델이 패하더라도 놀라지 마십시오.

선택 방법

실제로 분기되는 결정으로 압축:

• 이미 작동 중인 음성 에이전트가 있습니다. 에이전트 API가 아닌 오디오-비디오 API를 구입하세요. Beyond Presence, Simli 및 HeyGen는 모두 렌더 레이어만 판매하며 대화가 좋은지 여부를 결정하는 항목을 계속 제어할 수 있습니다.
• 최고의 시각적, 표현적 품질이 필요합니다. Anam의 Cara-4와 Tavus의 Phoenix-4는 최고 가격대에서 독립적인 평가를 주도합니다. 단지 몇 분이 아닌 동시성을 위한 예산을 책정하세요.
• 저렴한 비용으로 높은 볼륨이 필요합니다. Simli는 실제 세션 패턴에 대해 유휴 상태를 검증한 경우 필드 아래의 실제 크기 순서입니다.
• 오프라인, 에어갭 또는 하루 종일 설치되는 경제성이 필요합니다. bitHuman의 로컬 모델 또는 3D 파이프라인을 휴대할 수 있는 경우 Audio2Face-3D가 포함된 NVIDIA ACE.
• 양식화된 캐릭터나 인간이 아닌 캐릭터가 필요합니다. 생성된 스타일의 경우 LemonSlice; 제작된 3D를 위한 Uneeq 또는 NVIDIA ACE.
• 이번 주에 제품에 내장해야 합니다. 위젯이 포함된 Agent API. 한도를 수락하고 대화 품질이 바인딩 제약이 되는 경우를 대비해 렌더 레이어로의 마이그레이션을 계획하세요.

결론

이 카테고리의 모델은 주변의 마케팅보다 빠르게 수렴되고 있습니다. 10개 제공업체를 나란히 평가한 독립적인 검토자들은 이들 제공업체 간의 품질 차이가 실제로 있지만 크지 않고, 기술이 교육, 채용 및 판매 사용 사례에 적합하며, 비용이 빠르게 변화하는 35배 범위에 달한다는 결론을 내렸습니다.

수렴하지 않는 것은 측정입니다. 누군가가 모든 공급업체가 실행하는 공유 벤치마크(실제 대역폭 하에서 녹음된 오디오의 엔드투엔드 대화 대기 시간, p50 및 p95)를 게시할 때까지 신뢰할 수 있는 유일한 숫자는 직접 측정한 숫자입니다.

하루를 보내십시오. 6가지 테스트를 실행합니다. 결과는 사양서와 일치하지 않으며 그 차이가 요점입니다.