[커리어해커] AI 네이티브 클럽

Jkeen/마케터/codex가 OCR 자동화 삽질기를 풀었다.

• skill로 처리할 때와 에이전트 2개로 나눌 때 결과가 너무 다르고, 이미지 OCR이 토큰을 많이 먹어 '순식간에 100달러 써버렸다'고 토로했다.
• 정라잇은 'ocr을 한번 API화 해보자'며 'ocr을 api화 하고싶은데 어떤모델이 좋은지 3개정도 검색해서 분석해서 알려줘' 같은 프롬프트 예시까지 던졌다.
• Jkeen은 3개를 다 돌려본 결과 '클로드 비전이 제일 잘하더라'고 했는데, 이미지마다 레이아웃이 달라 클로드 코드에서는 스킬로 규칙성을 알아서 찾아내는 반면 API로 하면 다음 에이전트가 텍스트만 받아 '바보가 되버린다'는 게 난점이라 했다.
• 정라잇은 구글 LLM API(사업자 300달러 무료 크레딧)와 구글 Vision API도 테스트해보라 권했다(갤럭시 실시간 번역이 구글 기술이라 클로드에 밀리지 않을 것).
• 새벽에 Jkeen이 '두분이 알려주신 방법 모두 도전해보겠다'고 했고, 아침 6시59분 Joon이 리서치 결과를 정리해 올렸다: 'Mistral OCR을 먼저 써보고, 안 되면 여러 Vision VLM 중 하나를 써봐라'.

Mistral(프랑스 AI 회사)이 OCR 최고급이라며 클로드와 Grok 둘 다 'YES'로 의견이 일치했다고 전했다.

밤 10시40분, 응원하는 라이언/콘텐츠/클로드가 'AI에게 내 콘텐츠 보이스 스타일을 학습시킬 때 만족스러운지, 어떻게 해야 딱 내 스타일로 나오는지 어렵다'고 물었다.

• Aizi가 '이게 제일 어려운 분야'라 공감했다.
• 정라잇이 조건부로 자료를 공유했는데, 사용 조건으로 '최신본은 테스트 중, VRAM 8기가 이상 권장, 파이썬으로 튜닝 필요, 영어권과 아시아권은 모델셋을 따로 만들어야 하며 이건 로컬 모델로 안 되고 일레븐랩스로 만들어와야 한다'를 달았다.
• voiceclonedub라는 음성 클론 더빙 프로젝트를 링크로 주며 'AI 목소리 생성 버전이고 이 정도 퀄이 나온다, 노하우가 다 박혀 있으니 잘 깎아 체득화해보라'고 했다.
• 하트를 든 라이언이 '본인 목소리 카피는 어떤 앱을 써야 하냐'고 묻자, 정라잇은 '모델을 써야 한다, 클로드나 코덱스에 물어보면 세팅까지 해줄 수도 있다'며 'LLM(GPT·클로드)은 대화형 생성 모델이고 음성 만드는 모델은 다른 개념'이라 구분해 설명했다.
• Aizi는 '이건 음성 복제네요, 혹시 글 스타일은 없냐'며 원래 원했던 텍스트 스타일 복제 쪽으로 관심을 돌렸다.