"사투리로 읽어봐"... 카카오, 카나나 음성 AI 모델 고도화
[파이낸셜뉴스] 카카오가 자체 개발 옴니 AI 모델 '카나나-오(Kanana-o)'의 음성 생성 기술을 고도화했다고 4일 밝혔다.
이날 카카오 테크블로그에 따르면 이 모델은 이용자가 원하는 말투와 감정, 억양까지 자연어 지시만으로 제어할 수 있으며 자체 개발 음성 토크나이저를 통해 생성 속도와 효율도 함께 높였다.
기존 음성 AI가 자연스럽게 텍스트를 읽는 데 초점을 맞췄다면, 개선된 카나나-오는 이용자의 지시에 따라 음성 표현 자체를 제어해준다.
예를 들어 이용자가 "아주 빠르게 읽어줘", "낮은 목소리로 읽어줘", "슬픈 목소리로 읽어줘", "경상도 사투리로 읽어줘"와 같이 자연어로 원하는 발화 방식을 말하면 AI가 속도, 음량, 음높이는 물론 감정과 억양, 강도까지 세밀하게 반영해 음성을 생성해준다.
이 밖에도 "스포츠 중계하듯", "아나운서처럼", "동화책을 읽어주듯" 등 역할 기반의 지시는 물론, "톤을 낮춰서 빠르게 슬픈 목소리로 읽어줘"와 같이 여러 조건을 동시에 담은 복합 지시도 수행할 수 있다.
회사 측은 한국어 데이터를 중심으로 학습했음에도, 영어 음성 생성에서도 동일한 발화 지시를 무리 없이 수행한다고 설명했다.
카나나-오는 발화 지시 이행 능력을 평가하는 한국어 벤치마크에서 94.50점을 기록했다.
음성 생성의 품질뿐 아니라 속도와 효율도 크게 향상됐다. 카카오는 이를 위해 자체 개발한 음성 토크나이저 'LM-SPT(LM-aligned SPeech Tokenizer)'를 새롭게 적용했다. LM-SPT는 AI가 음성을 더 적은 수의 토큰으로 압축해 표현하는 기술로, AI가 처리해야 하는 데이터의 양을 줄여 더 빠르고 효율적으로 음성을 생성할 수 있도록 한다.
카카오는 향후 카나나-오의 음성 처리 기술을 고도화하고, 자연스럽고 끊김 없는 음성 경험을 제공하는데 집중할 예정이다. 또 웃음, 한숨, 감탄 같은 비언어적 표현을 자연스럽게 생성하는 기술 등 더욱 세밀한 음성 제어를 위한 개발을 이어갈 계획이다.
노병석 카카오 유니파이드 파운데이션 모델 성과리더는 "이번 카나나-오 음성 기술 고도화는 사람처럼 자연스러운 음성 생성은 물론, 이용자가 원하는 말투와 감정, 억양까지 자연어 지시에 따라 표현할 수 있는 능력을 갖추는 데 초점을 뒀다"며 "향후 Kanana-o 모델을 다양한 서비스에 적용해 더욱 자연스럽고 편리한 AI 음성 경험을 제공할 것"이라고 말했다.
[email protected] 주원규 기자
