[인포스탁데일리=김세원 기자] 카카오(035720)가 자체 개발 옴니 AI 모델 'Kanana-o'의 음성 생성 기술이 한 단계 더 진일보했다고 4일 밝혔다. 종래 음성 AI가 단순히 자연스럽게 텍스트를 읽는 데 초점을 맞춘 반면, 카카오는 AI가 지시를 인식하고 이용자가 원하는 말투와 감정, 억양까지 자연어 지시만으로 제어할 수 있도록 Kanana-o를 고도화했다. 구현 역시 자체 개발 음성 토크나이저를 적용, 생성 속도와 효율도 함께 높였다고 밝혔다. 가령 이용자가 "아주 빠르게 읽어줘", "낮은 목소리로 읽어줘", "슬픈 목소리로 읽어줘", "경상도 사투리로 읽어줘"와 같이 자연어로 원하는 발화 방식을 말하면, AI가 이 지시를 인식하고 속도, 음량, 음높이는 물론 감정과 억양, 강도까지 세밀하게 반영해 음성을 생성하게 된다. 아울러 “스포츠 중계하듯”, “아나운서처럼”, “동화책을 읽어주듯” 등 역할 기반의 지시는 물론, "톤을 낮춰서 빠르게 슬픈 목소리로 읽어줘"와 같이 여러 조건을 동시에 담은 복합 지시도 수행 가능하다. 속도와 효율도 크게 향상됐다. 카카오가 자체 개발한 음성 토크나이저 'LM-SPT(LM-aligned SPeech Tokenizer)'가 새롭게 적용된 결과다. 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. LM-SPT는 다양한 음성 언어모델의 한국어, 영어 음성 이해와 생성 능력을 비교한 평가에서 Mimi, DualCodec, CosyVoice2 등 최신 글로벌 기술을 적용한 모델에 비해 우수한 성능을 보였다. 합성된 음성의 자연스러움과 화자 유사도를 청취 후 지표화하는 전문가 평가에서도 가장 높은 점수를 기록했다. 카카오는 아울러 그간 한국어 데이터를 중심으로 학습한 Kanana-o가 영어 음성 생성에서도 동일한 발화 지시를 무리 없이 수행했다며, 발화 지시 이행 능력을 평가하는 'InstructTTSEval' 한국어 벤치마크에서도 94.50점을 기록했다고 밝혔다. 동일 부문에서 OpenAI의 GPT-4o-mini-tts는 91.10점을, 구글 Gemini-2.5-flash-preview-tts는 95.38점을 기록했다. 카카오는 향후 Kanana-o 음성 기술을 꾸준히 발전시켜 나갈 계획이다. 음성 이해 및 생성 능력을 하나의 통합 구조로 처리하는 연구를 통해 음성 처리 기술을 고도화하고, 자연스럽고 끊김 없는 음성 경험을 제공하는데 집중할 예정이다. 이 밖에도 웃음, 한숨, 감탄 같은 비언어적 표현을 자연스럽게 생성하는 기술 등 더욱 세밀한 음성 제어를 위한 개발을 이어갈 계획이다. 카카오 노병석 유니파이드 파운데이션 모델 성과리더는 "향후 Kanana-o 모델을 다양한 서비스에 적용해 더욱 자연스럽고 편리한 AI 음성 경험을 제공할 것"이라고 말했다. 김세원 기자 [email protected]