[경제일보] 카카오가 자체 개발한 인공지능(AI) 모델 '카나나-오(Kanana-o)'의 음성 생성 기능을 고도화해 말투와 감정, 억양까지 자연어로 조절할 수 있게 했다고 4일 밝혔다.
새로운 카나나-오는 텍스트를 자연스럽게 읽는 데서 나아가 음성 표현 자체를 제어하는 것이 특징이다.
"아주 빠르게 읽어줘", "경상도 사투리로 읽어줘"처럼 원하는 발화 방식을 말로 지시하면 속도와 음량, 음높이는 물론 감정과 억양, 강도까지 반영해 음성을 만든다. "스포츠 중계하듯이 읽어줘"같은 역할 기반 지시도 수행한다. 한국어 데이터 중심으로 학습됐지만 영어 음성 생성에서도 같은 지시를 따를 수 있다고 회사는 설명했다.
카카오에 따르면 카나나-오는 발화 지시 이행 능력을 평가하는 벤치마크 'InstructTTSEval' 한국어 부문에서 94.50점을 기록했다. 오픈AI의 GPT-4o-미니-tts(91.10점)를 웃돌고 구글 제미나이 2.5 플래시 프리뷰 TTS(95.38점)에는 근접한 수치다.
이 벤치마크는 국내외 연구진이 발표한 논문에서 나온 자연어 지시 이행 평가 지표로 음향 세부 조절과 역할 추론 능력을 함께 측정한다. 카카오는 자체 개발한 음성 토크나이저 'LM-SPT'로 음성 생성 속도와 효율도 높였다. 음성을 더 적은 토큰으로 압축해 AI가 처리할 데이터양을 줄이는 기술이다.
카나나-오는 카카오가 2024년 10월 개발자 컨퍼런스 'if(kakaoAI)'에서 처음 공개한 자체 AI 모델군 '카나나 패밀리'의 연장선에 있다. 당시 언어모델 3종, 멀티모달 언어모델 3종, 이미지·영상 생성모델 2종, 음성모델 2종 등 총 10종을 선보였다.
카카오는 지난해 5월 카나나 언어모델 가운데 8B·2.1B 크기 4종을 아파치 2.0 라이선스로 허깅페이스에 오픈소스로 공개했고 12월에는 에이전틱 AI에 최적화한 후속 모델 '카나나-2'도 오픈소스로 냈다.
한편 음성 AI 시장은 해외 기업의 국내 진출로 경쟁이 거세지고 있다. 기업가치 110억달러 데카콘인 일레븐랩스는 지난해 11월 서울에서 기자간담회를 열고 한국 시장 진출을 선언했다.
오픈AI는 TTS API 요금을 낮게 책정해 대량·저비용 수요를 겨냥하고 있고 구글 제미나이 TTS는 InstructTTSEval에서 최상위권 점수를 기록했다. 카카오의 이번 고도화는 이런 경쟁 구도 속에서 국내 기업의 자연어 지시 기반 음성 제어 기술력을 보여주려는 시도로 풀이된다.
카카오는 음성 이해와 생성을 하나의 통합 구조로 처리하는 연구를 이어가며 웃음과 한숨, 감탄 같은 비언어적 표현도 자연스럽게 생성하는 기술을 개발할 계획이다.
노병석 카카오 유니파이드 파운데이션모델 성과리더는 "향후 카나나-오 모델을 다양한 서비스에 적용해 더욱 자연스럽고 편리한 AI 음성 경험을 제공하겠다"고 말했다.
Copyright © 경제일보, 무단전재·재배포 금지
