[미디어펜=배소현 기자] 카카오가 자체 개발 옴니 AI 모델 'Kanana-o(카나나-오)'의 음성 생성 기술을 고도화하며 이용자가 원하는 말투와 감정, 억양까지 자연어 지시만으로 제어할 수 있는 기능을 공개했다.
4일 카카오에 따르면 회사는 이날 테크블로그를 통해 Kanana-o의 음성 생성 기술을 공개했다./서잔=카카오 제공
4일 카카오에 따르면 회사는 이날 테크블로그를 통해 '카나나-오'의 음성 생성 기술을 공개했다. 기존 음성 AI가 자연스럽게 텍스트를 읽는 데 초점을 맞췄다면, 새 모델은 이용자의 자연어 지시에 따라 속도와 음량, 음높이뿐 아니라 감정과 억양, 강도까지 반영해 음성을 생성할 수 있도록 개선됐다.
이용자는 "아주 빠르게 읽어줘", "낮은 목소리로 읽어줘", "슬픈 목소리로 읽어줘", "경상도 사투리로 읽어줘"와 같은 지시는 물론 "스포츠 중계하듯", "아나운서처럼", "동화책을 읽어주듯" 등 역할 기반 표현이나 여러 조건을 조합한 복합 지시도 사용할 수 있다. 한국어 중심으로 학습했지만 영어 음성 생성에서도 동일한 발화 지시를 수행할 수 있는 것이 특징이다.
Kanana-o는 발화 지시 이행 능력을 평가하는 한국어 벤치마크에서 94.50점을 기록했다. 이는 GPT-4o-mini-tts(91.10점)를 웃도는 수준이며, 구글 Gemini-2.5-flash-preview-tts(95.38점)와 비슷한 성능이다.
카카오는 자체 개발한 음성 토크나이저 'LM-SPT(LM-aligned SPeech Tokenizer)'도 함께 적용했다. AI가 음성을 더 적은 수의 토큰으로 압축해 표현하도록 해 처리해야 하는 데이터 양을 줄이고 음성 생성 속도와 효율을 높인 것이 특징이다.
LM-SPT는 한국어와 영어 음성 이해·생성 성능 평가에서 최신 글로벌 기술을 적용한 모델보다 우수한 성능을 기록했으며, 합성 음성의 자연스러움과 화자 유사도를 평가하는 전문가 청취 평가에서도 가장 높은 점수를 받았다.
카카오는 앞으로 음성 이해와 생성 기능을 하나의 통합 구조로 처리하는 연구를 이어가는 한편, 웃음과 한숨, 감탄 등 비언어적 표현까지 구현하는 등 음성 AI 기술을 고도화해 다양한 서비스에 적용할 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 '카나나-오' 모델을 다양한 서비스에 적용해 더욱 자연스럽고 편리한 AI 음성 경험을 제공할 것"이라고 말했다.
[미디어펜=배소현 기자]