카카오, ‘카나나-오’ 음성생성 고도화…"사투리도 가능"

감정과 억양까지 세밀히 반영해 생성 자체기술 ‘LM-SPT’로 속도·효율성↑ 카카오가 자체 개발한 옴니 인공지능(AI) 모델인 '카나나-오'의 음성 생성 기술을 발전시켰다고 4일 밝혔다. 이날 카카오 테크블로그에 따르면 음성 생성 기술이 고도화된 카나나-오는 이용자 지시에 따른 음성 표현을 반영한다. 예를 들어 이용자가 "아주 빠르게 읽어줘", "낮은 목소리로 읽어줘", "슬픈 목소리로 읽어줘", "경상도 사투리로 읽어줘"와 같이 자연어로 원하는 발화 방식을 말하면, AI가 속도·음량·음높이는 물론 감정과 억양·강도까지 세밀하게 반영해 음성을 생성해준다. 복합적인 요청도 수행 가능하다. 카나나-오는 발화 지시 이행 능력을 평가하는 'InstructTTSEval' 한국어 벤치마크에서 94.50점을 기록했다. 이는 GPT-4o-mini-tts(91.10점)를 넘어서며 구글 제미나이-2.5-flash-preview-tts(95.38점)와 견주는 수준이다. 속도 및 효율도 크게 개선됐다. 자체 개발한 음성 토크나이저 'LM-SPT'를 적용한 덕분이라고 회사는 설명했다. LM-SPT는 AI가 음성을 더 적은 수의 토큰으로 압축·표현하는 기술로, 처리할 데이터 양을 줄여 보다 빠르고 효율적으로 음성을 생성할 수 있도록 한다. 카카오는 향후 카나나-오 음성 기술을 지속적으로 발전시킬 방침이다. 음성 이해 및 생성 능력을 하나의 통합 구조로 처리하는 연구를 통해 음성 처리 기술을 고도화하고, 자연스럽고 끊김 없는 음성 경험을 제공하는 데 집중할 계획이다. 이밖에도 웃음·한숨·감탄 같은 비언어적 표현을 자연스럽게 생성하는 기술 등 더욱 세밀한 음성 제어를 위한 개발을 이어갈 예정이다. 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 모델을 다양한 서비스에 적용해 더욱 자연스럽고 편리한 AI 음성 경험을 제공할 것"이라고 말했다. 김영욱 기자 wook95@dt.co.kr