카카오(035720)가 말투부터 감정, 억양까지 이용자가 원하는 대로 말하는 인공지능(AI)을 선보였다.

카카오는 4일 자체 개발 옴니모달 AI 모델 '카나나-오'(Kanana-o)의 개선된 음성 생성 기술을 공개했다. 이날 카카오 테크블로그를 통해 공개된 해당 기술은 이용자가 원하는 말투와 감정, 억양까지 자연어 지시만으로 제어할 수 있도록 구현됐다.

기존 음성 AI 기술은 자연스럽게 텍스트를 읽는 데 초점을 맞춰왔다. 반면, 이번에 공개된 기술은 이용자 지시에 따라 음성 표현을 제어하는 데 집중했다.

예를 들어 "아주 빠르게 읽어줘", "낮은 목소리로 읽어줘", "슬픈 목소리로 읽어줘", "경상도 사투리로 읽어줘" 등의 지시를 내리면 AI가 속도, 음량, 음높이를 비롯해 감정과 억양, 강도까지 반영해 음성을 생성해 주는 식이다.

카나나-오는 발화 지시 이행 능력을 평가하는 'InstructTTSEval' 한국어 벤치마크에서 94.50점을 기록했다. 이는 'GPT-4o-미니-tts'(91.10점)를 앞선 점수로, '구글 제미나이-2.5-플래시-프리뷰-tts'(95.38점)와 견주는 수준이다.

아울러 자체 개발한 음성 토크나이저를 통해 생성 속도와 효율도 높였다. 음성 토크나이저는 AI가 음성을 더 적은 수의 토큰으로 압축해 표현하는 기술로, AI가 처리해야 하는 데이터양을 줄여 더 빠르고 효율적으로 음성을 생성할 수 있도록 한다.

지난해 5월 카카오가 선보인 카나나-오는 텍스트와 음성, 이미지를 동시에 이해하고 실시간으로 답변하는 옴니모달 AI 모델이다. 옴니모달은 모든 것을 뜻하는 옴니(Omni)와 정보의 형태를 뜻하는 모달리티(Modality)가 합쳐진 용어로 텍스트, 이미지, 음성을 처음부터 한꺼번에 이해하고 생성하는 AI 모델을 뜻한다. 카나나-오는 글로벌 모델 대비 한국어 맥락 이해에서 높은 성능을 보유하고, 사람처럼 자연스럽고 풍부한 표현력을 갖추고 있는 것이 특징이다.

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.

Ktiger@news1.kr