[서울= 뉴스핌] 정승원 기자= 카카오가 자체 개발한 AI 모델 'Kanana-o'의 음성 생성 기술을 고도화했다. 사용자가 자연어 지시만으로 말투, 속도, 감정, 억양을 세밀하게 조절할 수 있도록 개선했다.

기존 음성 AI가 텍스트를 자연스럽게 읽는 데 중점을 뒀다면 개선된 Kanana-o는 사용자의 지시에 따라 음성 표현 자체를 제어한다.

"아주 빠르게 읽어줘", "낮은 목소리로 읽어줘", "슬픈 목소리로 읽어줘" 같은 자연어 명령에 AI가 속도, 음량, 음높이, 감정, 억양, 강도를 반영해 음성을 생성한다. "스포츠 중계하듯", "아나운서처럼" 같은 역할 기반 지시나 여러 조건을 동시에 담은 복합 지시도 수행 가능하다.

Kanana-o는 발화 지시 이행 능력을 평가하는 'InstructTTSEval' 한국어 벤치마크에서 94.50점을 기록했다. 이는 GPT-4o-mini-tts(91.10점)를 상회하며 구글 Gemini-2.5-flash-preview-tts(95.38점)와 견줄 만한 수준이다.

음성 생성 속도와 효율도 향상됐다. 카카오는 자체 개발한 음성 토크나이저 'LM-SPT(LM-aligned SPeech Tokenizer)'를 새로 적용했다.

LM-SPT는 AI가 음성을 더 적은 수의 토큰으로 압축해 표현하는 기술로 처리 데이터량을 줄여 더 빠르고 효율적인 음성 생성을 가능하게 한다.

한국어와 영어 음성 이해·생성 능력 평가에서 Mimi, DualCodec, CosyVoice2 등 글로벌 기술을 적용한 모델보다 우수한 성능을 보였다.

카카오는 향후 음성 이해 및 생성 능력을 통합 구조로 처리하는 연구를 통해 기술을 고도화하고 웃음, 한숨, 감탄 같은 비언어적 표현을 자연스럽게 생성하는 기술 개발을 이어갈 계획이다. 다양한 서비스에 Kanana-o 모델을 적용해 AI 음성 경험을 제공할 방침이다.

노병석 카카오 유니파이드 파운데이션 모델 성과리더는 "이번 Kanana-o 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.

origin@newspim.com