Stream, ElevenLabs로 멀티모달 AI 에이전트 구축
- 게시일
Stream은 개발자가 실시간 비디오, 오디오, 대화를 결합한 저지연 멀티모달 AI 경험을 구축할 수 있도록 지원하는 오픈 소스 프레임워크 Vision Agents를 선보였습니다. 이 프레임워크는 ElevenLabs 텍스트 음성 변환을 통합해 사용자와 AI 시스템 간의 원활한 상호작용을 지원하는 표현력 있고 즉각적으로 반응하는 음성을 제공합니다.

실시간 멀티모달 에이전트 구현
Vision Agents는 AI가 실시간으로 보고, 듣고, 응답할 수 있게 합니다. Stream의 비디오 및 오디오 SDK를 기반으로 구축된 이 프레임워크는 개발자가 멀티모달 에이전트 경험을 프로토타이핑하고 배포할 수 있는 저지연 기반을 제공합니다.
텍스트 음성 변환 제공업체를 평가한 Stream은 시장을 선도하는 품질과 간편한 통합성을 이유로 ElevenLabs를 선택했습니다. 이제 ElevenLabs는 Stream 사용자에게 제공되는 주요 음성 옵션입니다.
“ElevenLabs 덕분에 강력한 텍스트 음성 변환 기능을 SDK에 빠르게 도입할 수 있었고, Agents가 사용자 질문에 표현력 있는 음성으로 실시간 응답하거나 보고 있는 내용에 대한 피드백을 제공할 수 있게 되었습니다.” - Stream 마케팅 디렉터, Neevash Ramdial

빠르고 안정적이며 개발자 친화적인 통합
Stream은 단 며칠 만에 전체 코드베이스에 ElevenLabs를 통합하여, 개발자가 최소한의 설정만으로 Vision Agents에 생생한 음성 출력을 추가할 수 있도록 했습니다. 이 통합으로 다음을 제공합니다:
- 10배 빠른 설정 - ElevenLabs 사전 통합으로 음성 설정에 필요한 코드가 400줄에서 단 40줄로 줄어듭니다.
- 저지연 성능 - ElevenLabs의 빠른 음성 생성과 Stream의 글로벌 엣지 네트워크가 결합되어 자연스럽고 사람 같은 반응성을 보장합니다.
- 확장 가능한 개발자 경험 - Stream의 SDK는 멀티모달 에이전트를 생성, 테스트, 배포하는 과정을 간소화합니다.
멀티모달 AI의 미래 구축
Stream의 Vision Agents는 ElevenLabs 모델이 멀티모달 AI의 가능성을 어떻게 확장하는지 보여 줍니다. 시각적 이해와 텍스트 음성 변환을 결합하면 개발자는 보고, 말하고, 듣는 능력을 사람에 가까운 수준으로 갖춘 에이전트를 만들 수 있습니다.
텍스트 음성 변환으로 구축하고 싶으신가요? 여기에서 문의해 주세요.
Fergal is on the Growth team at ElevenLabs, helping bring the company's research and products to more users. Previously, he worked on product and data at Entrepreneurs First, and spent two years at CloudKitchens building a new retail business vertical from the ground up. He studied at Yale University.





