내비 안내 음성은 어떻게 자동으로 만들어질까? - 16편 - 서버 기반 TTS 개발하기
내비 안내 음성은 어떻게 자동으로 만들어질까? - 16편 - 서버 기반 TTS 개발하기
서버 기반 TTS 개발 연재의 한 편으로, TTS의 기본 개념을 소개했습니다. 텍스트를 음성으로 바꾸는 기술의 의미를 간단히 설명했습니다.
#TTS#DB
4100
AI 기술 블로그 최신 글
필터 0
Kurly만의 MLOps 구축하기 - 초석 다지기
Kubernetes 기반 MLOps 환경에서 GPU 자원 운영 부담을 줄이기 위한 기반을 설계했습니다. Karpenter와 NVDP로 GPU 노드의 자동 생성·회수 흐름을 구성했습니다.
#MLOps#Kubernetes
000
What AI Art can tell us about the future of Design and how it can affect Ad creative optimization
AI Art의 프롬프트 기반 생성 방식을 UI·UX 디자인 시스템에 적용할 가능성을 살펴봤습니다. 사용자 데이터로 광고 크리에이티브를 자동 최적화하는 방향도 제안했습니다.
#MidJourney#DALL-E
100
What AI Art can tell us about the future of Design and how it can affect Ad creative optimization
AI 아트가 디자인과 광고 크리에이티브에 줄 수 있는 가능성을 살펴보는 글입니다. 프롬프트 기반 생성 도구와 그에 따른 기회, 한계, 위험을 함께 언급했습니다.
#design#prompt
1700
컬리는 물류 최적화 문제를 어떻게 풀고 있을까? - 1부
QPS 생산성을 바구니 처리 속도로 정의하고, 고유 상품 수 최소화 문제로 전환했습니다. 유전 알고리즘 적용으로 기존 방식보다 고유 상품 수를 약 10% 이상 줄였습니다.
#유전 알고리즘#물류 최적화
100
TFX 머신러닝 파이프라인 사용하기
TFX 커스텀 컴포넌트로 신규 데이터부터 학습·모델 등록까지의 파이프라인을 구성했습니다. Apache Beam과 사내 레지스트리를 연동하는 구현·운영 주의점을 설명합니다.
#TFX#TensorFlow
100
Multi Task Learning 기반 챗봇 모델 개발
상위·하위 인텐트를 함께 추론하는 챗봇을 위해 MTL 기반 PLE 모델과 CurricularFace loss를 적용했습니다. 기존 앙상블보다 성능과 관리 효율을 함께 개선한 사례를 소개했습니다.
#LLM#NLP
2700
VPT: 다이아몬드 곡괭이를 만들기 위한 여정
OpenAI VPT의 마인크래프트 다이아몬드 곡괭이 제작 학습 과정을 리뷰했습니다. 영상에서 추정한 행동 데이터와 사전학습·미세조정·강화학습의 결합을 설명합니다.
#ML#강화 학습
100
![[Medical AI] #2 의료인공지능 모델 개발 파이프라인 툴 소개: Clairvoyance](https://miro.medium.com/v2/resize:fit:1200/1*ZfaLRqwNvlNN2Qpu_oV9lw.png)
[Medical AI] #2 의료인공지능 모델 개발 파이프라인 툴 소개: Clairvoyance
의료 데이터의 복잡성 때문에 AI 모델 개발과 재현성이 어려운 문제를 짚었습니다. Clairvoyance를 표준화된 파이프라인 도구로 소개하며 개발·평가·최적화의 체계화를 제안했습니다.
#LLM#pipeline
2600
AWS Inferentia를 이용한 모델 서빙 비용 최적화: 모델 서버 비용 2배 줄이기 2탄
AWS Inferentia 기반 TensorFlow 모델 서빙의 정합성 검증과 EKS 배포 과정을 소개했습니다. 토크나이저 분리와 동적 배치로 처리량을 높이고 비용 절감 가능성을 확인했습니다.
#AWS#Inferentia
100
모델 서빙 최적화를 위한 프레임워크 선정과 서빙 성능 극대화하기
카카오페이의 모델 서빙 최적화를 위해 프레임워크를 도입한 과정과 성능 개선 테스트 결과를 공유합니다. 효율적인 서빙을 위한 선정 기준과 최적화 관점을 함께 다룹니다.
#ML#성능
2200
Dynamics Model로 무엇을 할 수 있을까?
Dynamics Model을 제어와 시뮬레이션 문제에 활용하는 사례를 소개했습니다. 실제 데이터와 물리 모델을 결합해 sim-to-real gap을 줄이는 가능성을 설명했습니다.
#LLM#ML
1200
자연어처리 모델을 활용한 개인화 추천시스템
자연어처리의 토픽 모델링을 개인화 추천에 적용하는 방식을 소개했습니다. 사용자 행동 데이터를 바탕으로 관심 주제를 추출해 맞춤형 추천을 구성하는 개념을 설명했습니다.
#NLP#추천
2100
![[Medical AI] #1 EHR 데이터를 활용한 의료인공지능 모델 개발 파이프라인](https://miro.medium.com/v2/resize:fit:1000/1*_xjbdT_fY2Av-H12txuKcA.png)
[Medical AI] #1 EHR 데이터를 활용한 의료인공지능 모델 개발 파이프라인
EHR 기반 의료 AI의 문제 정의부터 일반화 평가까지 5단계 개발 파이프라인을 소개했습니다. 보정·불확실성 추정과 임상 환경의 엄격한 검증 필요성을 강조했습니다.
#EHR#ML
2500