카카오가 말투부터 감정, 억양까지 이용자가 원하는 대로 말하는 인공지능(AI)을 선보였다.
카카오는 4일 자체 개발 옴니모달 AI 모델 ‘카나나-오’의 개선된 음성 생성 기술을 공개했다. 이 기술은 이용자가 원하는 말투와 감정, 억양까지 자연어 지시만으로 제어할 수 있도록 구현됐다. 기존 음성 AI 기술은 자연스럽게 텍스트를 읽는 데 초점을 맞춰온 것과 차이가 있다. 예를 들어 “슬픈 목소리로 읽어줘”, “경상도 사투리로 읽어줘” 등의 지시를 내리면 AI가 속도, 음량, 음높이를 비롯해 감정과 억양, 강도까지 반영해 음성을 생성해 준다.
카나나-오는 발화 지시 이행 능력을 평가하는 ‘InstructTTSEval’ 한국어 벤치마크에서 94.50점을 기록했다. 오픈AI의 ‘GPT-4o-미니-tts’(91.10점)보다 높은 점수로, 구글 ‘제미나이-2.5-플래시-프리뷰-tts’(95.38점)와 견주는 수준이다.
자체 개발한 음성 토크나이저를 통해 생성 속도와 효율을 높인 것도 특징이다. 음성 토크나이저는 AI가 음성을 더 적은 수의 토큰으로 압축해 표현하는 기술로, AI가 처리해야 하는 데이터양을 줄여 더 빠르고 효율적으로 음성을 생성할 수 있도록 한다.
카카오가 지난해 5월 선보인 카나나-오는 텍스트와 음성, 이미지를 동시에 이해하고 실시간으로 답변하는 옴니모달 AI 모델이다. 옴니모달은 텍스트, 이미지, 음성을 처음부터 한꺼번에 이해하고 생성하는 AI 모델을 뜻한다.
노병석 카카오 유니파이드 파운데이션 모델 성과리더는 “향후 카나나-오 모델을 다양한 서비스에 적용해 더욱 자연스럽고 편리한 AI 음성 경험을 제공하겠다”고 말했다.
정지은 기자 jeong@hankyung.com