Prezi 사례 연구: Hugging Face 전문가 지원으로 ML 로드맵 가속화

Prezi는 Hugging Face를 활용해 멀티모달 AI 개발을 가속화합니다

Prezi는 Hugging Face Expert Support Program과 Inference Endpoints를 통합하여 머신러닝 로드맵, 특히 Prezi AI 제품을 가속화했습니다. 더 작고 효율적인 오픈소스 모델로 전환하고 전문가 지침을 활용함으로써, 텍스트와 이미지를 결합한 동적 프레젠테이션 제작을 최적화하고 있습니다.

오픈소스 모델로 Prezi AI 최적화

Prezi AI는 사용자가 프롬프트와 설명을 통해 초안 프레젠테이션을 생성할 수 있게 합니다. 초기에는 폐쇄형 모델과 다양한 자산 제공 서비스에 의존했지만, Hugging Face의 전문가 지침을 도입하면서 여러 기술적 최적화가 이루어졌습니다:

• 재랭커 구현: 프레젠테이션에 적합한 이미지와 텍스트를 찾기 위한 검색 시스템을 개선하기 위해, Prezi는 오픈소스 재랭커 모델을 추가했습니다. 이 접근 방식은 동일 작업에 대형 언어 모델(LLM)을 사용하는 것보다 빠르고 저렴하며 효과적입니다.
• 멀티모달 통합: Prezi는 비전 모델, 텍스트 모델, 비전‑언어 모델(VLM)을 조합해 시각 커뮤니케이션의 본질적인 멀티모달 특성을 처리합니다.
• 모델 선택: Expert Support Program은 ML 엔지니어가 아닌 Prezi 엔지니어링 팀이 새로운 모델 릴리즈의 방대한 양을 필터링하여, 과대광고가 아닌 실제 유용성을 제공하는 모델을 식별하도록 돕습니다.

Inference Endpoints를 통한 배포 및 인프라

Prezi는 Hugging Face Inference Endpoints를 활용해 ML 모델 배포를 관리합니다. 주요 기술적 장점은 다음과 같습니다:

• Zero-Configuration 배포: Endpoint Model Catalog는 수동 설정 없이 Inference Endpoints와 호환되는 모델 목록을 제공하여 손쉽게 배포할 수 있게 합니다.
• 비용 관리: 몇 분간 비활성 상태가 되면 엔드포인트를 "sleep" 상태로 전환할 수 있어 불필요한 비용 지출을 방지합니다.
• 하드웨어 지원: 플랫폼은 단일 및 쿼드 A100 인스턴스를 지원하며, 이는 대형 모델에 필수적입니다.
• 버전 관리: Prezi는 최신 모델 버전을 한 번의 클릭으로 배포하거나 Git 해시를 사용해 이전 버전으로 롤백할 수 있으며, 이는 AWS의 유사 프로세스보다 더 편리하다고 평가됩니다.

Expert Support Program의 영향

전담 머신러닝 엔지니어가 없는 팀에게 Expert Support Program은 프로덕션 수준 AI로 가는 다리를 제공합니다. Prezi는 이 파트너십을 통해 특정 작업에 대한 최선의 실천법과 최신 모델에 접근합니다:

• 임베딩 및 재랭킹: 자산 검색을 최적화합니다.
• 객체 탐지: 시각 자산 관리를 개선합니다.
• 파인튜닝: 새로운 비전‑언어 모델을 파인튜닝하고 필요한 데이터를 수집·정제하는 방법을 학습합니다.

Prezi의 백엔드 엔지니어인 Máté Börcsök는 다음과 같이 말합니다:

"우리 전문가들은 올바른 작업에 집중하도록 안내하고, 임베딩, 재랭킹, 객체 탐지를 위한 최선의 실천법과 최신 모델을 공유하며, 새로운 비전‑언어 모델을 파인튜닝하고 데이터를 수집·정제하는 방법을 보여줍니다."