전화 AI와 통화하다 답답했던 적 있으신가요? 아직 말하는 중인데 AI가 불쑥 대답을 시작하거나 말을 다 했는데도 한참 조용할 때 말입니다. 두 경우 모두 AI가 대답할 타이밍을 제대로 잡지 못해서 생기는 문제입니다.
사람은 대화할 때 상대가 언제 말을 마칠지 저절로 알지만 AI는 통화하는 내내 '지금 내가 말할 차례인가'를 스스로 판단해야 합니다. 이 판단이 어긋나면 목소리가 아무리 자연스러워도 기계와 통화하는 느낌이 납니다.
그래서 vox.ai는 이 타이밍 문제를 따로 연구해 왔는데, 이번에 대화 타이밍을 겨루는 벤치마크 TurnBench에서 리더보드 1위에 올랐습니다.
1. TurnBench는 무엇을 재나요
TurnBench는 음성 AI 회사 Sesame가 지난 8월 공개한 벤치마크입니다. AI가 말할 차례를 얼마나 잘 알아채는지 재는데, 말 끝 감지와 끼어들기 감지 두 부문으로 나눠 따로 점수를 매깁니다.
- 말 끝 감지: 상대가 말을 마친 순간을 알아채는지 봅니다. 잠깐 숨을 고르는 순간을 말이 끝난 것으로 착각하면 틀립니다.
- 끼어들기 감지: 상대가 정말 말을 끊고 들어온 순간을 알아채는지 봅니다. "네, 네" 같은 맞장구만 듣고 말을 멈춰 버리면 틀린 답이 됩니다.
잠깐 쉬는 것과 말을 마친 것을 가려내기가 왜 까다로운지는 VAD 용어 설명에 정리해 두었습니다.
채점에 쓰는 정답은 스튜디오에서 녹음한 영어 2인 대화 30시간을 세 사람이 따로 듣고 표시해 만들었습니다. 그중 순위를 매길 때 쓰는 정답은 공개하지 않습니다. 잘못 반응한 비율이 15%를 넘으면 순위에서 밀려나기 때문에 무조건 빨리 반응해서 점수를 올리는 꼼수도 통하지 않습니다. OpenAI와 Google의 실시간 음성 모델도 이 깐깐한 기준으로 똑같이 평가를 받았습니다.
2. 말 끝 감지 부문 1위
21개 시스템 가운데 vox.ai 모델이 1위에 올랐습니다. 리더보드에는 Vox Maru v1이라는 이름으로 올라 있습니다.
리더보드에 적힌 숫자가 조금 딱딱하게 느껴지실 수 있어서 쉬운 말로 옮겨 봤습니다.
- 상대가 말을 마친 순간 100번 중 96번을 알아챘습니다.
- 잠깐 숨을 고른 순간을 말이 끝난 것으로 착각한 경우는 100번 중 7번꼴이었습니다.
- 말이 끝난 뒤 알아채기까지 보통 0.55초가 걸렸습니다.
말 끝 감지 부문 상위 10개 (2026년 9월 30일 기준)
| 순위 | 모델 | 알아챈 비율 | 잘못 반응한 비율 | 걸린 시간 |
|---|---|---|---|---|
| 1 | Vox Maru v1 (vox.ai) | 96.0% | 7.2% | 0.55초 |
| 2 | Ooma Turn Detector | 95.1% | 8.2% | 0.39초 |
| 3 | Tavus Sparrow-2 | 93.0% | 8.4% | 0.62초 |
| 4 | SPX-AI MicroCF | 90.6% | 7.9% | 0.68초 |
| 5 | Neosapience Nunchi v1 (Dual-Channel) | 85.1% | 4.0% | 0.61초 |
| 6 | Voice Activity Projection | 84.5% | 5.5% | 0.37초 |
| 7 | Zero Runtime Echo Omni | 83.9% | 7.1% | 0.68초 |
| 8 | ESPnet Turntaking | 82.6% | 7.8% | 0.86초 |
| 9 | Neosapience Nunchi v1 (Single-Channel) | 82.0% | 6.8% | 0.58초 |
| 10 | WavLM Large Anchor | 80.0% | 5.4% | 1.08초 |
순위는 잘못 반응한 비율이 15% 이하인 모델 가운데 말 끝을 알아챈 비율이 높은 순서입니다. 참고로 끼어들기 감지 부문에서는 19개 시스템 가운데 3위였습니다.
3. 통화는 어떻게 달라지나요
말할 차례를 정확히 알아채는 AI는 고객 말을 중간에 자르는 일 없이 말이 끝나면 곧바로 대답합니다. "네, 네" 하는 맞장구에는 하던 말을 이어 가다가도 고객이 정말 말을 끊고 들어오면 그때는 바로 멈추고 듣습니다. 이렇게 타이밍이 맞아야 AI와의 통화도 사람끼리 나누는 대화처럼 자연스럽게 이어집니다.
vox.ai는 전화 상담과 영업 통화의 이런 순간을 하나하나 다듬고 있습니다. 전화가 연결된 직후 몇 초 안에 받은 쪽이 사람인지 음성사서함인지 가려내는 판단도 그중 하나입니다. 자세한 이야기는 음성사서함은 끊고, 통화 스크리닝은 통과해야 해요에 담았습니다. vox.ai AI 전화가 무엇을 할 수 있는지는 제품 소개에서 보실 수 있습니다.
TurnBench는 누구나 모델을 제출할 수 있는 공개 리더보드라 순위는 바뀔 수 있습니다. 이 글의 순위와 수치는 2026년 9월 30일 기준입니다. 더 자연스러운 AI 전화를 위한 vox.ai의 연구 소식은 이 블로그에서 계속 전해 드리겠습니다.
함께 읽으면 좋은 글
출처
- TurnBench 리더보드
- Sesame, TurnBench: measuring the timing of conversation (2026년 8월 28일)
