Sarvam AI로 음성을 텍스트로 변환하고, Redis Agent Memory Server로 기억을 관리하는 구조거든요

음성 AI 앱에 메모리 레이어를 붙이는 실험 과정을 공유한 글이에요. Sarvam AI로 음성을 텍스트로 변환하고, Redis Agent Memory Server로 기억을 관리하는 구조거든요.

핵심은 메모리를 두 층으로 나눈 거예요. 현재 대화 흐름을 유지하는 워킹 메모리(단기)와, 세션이 끊겨도 남아있는 장기 메모리를 분리해서 설계했어요. 일기 항목이나 감정 신호 같은 건 장기 메모리에 에피소드로 저장돼요.

음성은 텍스트 챗과 달리 2~3초 지연도 "앱이 들었나?" 싶어서 바로 어색하게 느껴진다는 게 포인트예요.

메모리 없는 음성 AI는 스테이트리스 도구에 불과한데, 세션을 넘나드는 기억이 생기면 "동반자" 느낌이 만들어진다는 거예요.