Go 언어 기반의 새로운 실시간 대화형 AI 프레임워크 '자르고(Jargo)'가 개발자 커뮤니티에 공개되었습니다. 이 프레임워크는 웹RTC(WebRTC)를 기본 지원하며, 음성 우선(audio-first) 접근 방식을 통해 실시간 음성 상호작용에 특화된 기능을 제공합니다. 음성-텍스트 변환(STT), 대규모 언어모델(LLM) 추론, 텍스트-음성 변환(TTS)으로 이어지는 파이프라인을 실시간으로 처리하며, 사용자 발화 중 끼어들기(barge-in)나 차례 주고받기(turn-taking) 같은 고급 기능도 지원합니다.
자르고는 기존 파이프캣(Pipecat)의 아키텍처를 Go 언어로 포팅한 것으로, 파이썬(Python) 환경에서 실시간 음성 에이전트를 운영할 때 발생하는 성능 및 배포 문제를 해결하고자 합니다. 개발자는 파이썬의 AI/데이터 과학 생태계가 아닌, 오디오 프레이밍, 웹RTC, 동시성 처리, 단일 바이너리 배포에 Go 언어가 더 적합하다고 설명합니다. 이를 통해 낮은 메모리 사용량, 빠른 시작 시간, GIL(Global Interpreter Lock) 없는 진정한 동시성 처리 등 Go 언어의 장점을 활용하여 효율적인 음성 에이전트를 구축할 수 있습니다. 또한, 데일리(Daily)와 같은 특정 호스팅 서비스에 종속되지 않고 표준 웹RTC(Pion 라이브러리 활용)를 사용해 자체 호스팅이 가능하도록 설계되어 유연성을 높였습니다.
이 프레임워크는 딥그램(Deepgram), 어셈블리AI(AssemblyAI) 등 다양한 STT 제공업체, 앤스로픽(Anthropic), 오픈AI(OpenAI), 구글 제미나이(Google Gemini) 등 여러 LLM, 그리고 일레븐랩스(ElevenLabs), 카르테시아(Cartesia) 등 TTS 서비스를 플러그인 방식으로 쉽게 연동할 수 있도록 지원합니다. 개발자는 이러한 유연성을 바탕으로 특정 클라우드나 서비스에 묶이지 않고 원하는 AI 모델과 서비스를 조합하여 맞춤형 음성 에이전트를 만들 수 있습니다. 자르고는 아직 초기 개발 단계이지만, 실시간 음성 AI 애플리케이션 개발에 있어 Go 언어의 강력한 대안을 제시하며, 특히 파이썬의 런타임 오버헤드 없이 고성능의 안정적인 시스템을 구축하려는 개발자들에게 큰 이점을 제공할 것으로 기대됩니다.