말투부터 억양까지 제어…카카오, '카나나-o' 음성 생성 기술 고도화

옴니 AI 모델 카나나-o, 자연어 지시로 말투·속도·억양 조절
속도·효율 향상…벤치마크서 글로벌 모델과 대등

카카오 는 자체 개발한 옴니 인공지능(AI) 모델 '카나나-o'의 음성 생성 기술을 고도화했다고 4일 밝혔다.

이날 카카오가 테크블로그를 통해 공개한 내용에 따르면 카나나-o는 이용자가 원하는 말투와 감정, 억양까지 자연어 지시만으로 제어할 수 있도록 음성 생성 기술을 고도화했다. 아울러 자체 개발 음성 토크나이저를 통해 생성 속도와 효율도 함께 높였다.

카카오는 자체 개발한 옴니 인공지능(AI) 모델 '카나나-o'의 음성 생성 기술을 고도화했다고 4일 밝혔다. 카카오

개선된 카나나-o는 이용자의 지시에 따라 음성 표현 자체를 제어해준다. 이용자가 '아주 빠르게 읽어줘', '낮은 목소리로 읽어줘', '슬픈 목소리로 읽어줘', '경상도 사투리로 읽어줘'와 같이 자연어로 원하는 발화 방식을 말하면 AI가 속도, 음량, 음높이, 감정, 억양, 강도까지 반영해 음성을 생성한다.

이 밖에도 '스포츠 중계하듯', '아나운서처럼', '동화책을 읽어주듯' 등 역할 기반의 지시와 '톤을 낮춰서 빠르게 슬픈 목소리로 읽어줘' 등 여러 내용을 동시에 담은 복합 지시도 수행할 수 있다. 영어 음성 생성에서도 동일한 발화 지시를 수행할 수 있다는 게 카카오의 설명이다.

카나나-o는 발화 지시 이행 능력을 평가하는 'InstructTTSEval' 한국어 벤치마크에서 94.50점을 기록했다. 이는 GPT-4o-미니-tts(91.10점)를 넘어서는 수준으로, 구글의 제미나이-2.5-플래시-프리뷰-tts(95.38점)와 유사한 수준이다.

카카오는 자체 개발한 음성 토크나이저 'LM-SPT(LM-aligned SPeech Tokenizer)'를 적용해 음성 생성 속도와 효율을 향상했다. LM-SPT는 AI가 음성을 더 적은 수의 토큰으로 압축해 표현하는 기술로, AI가 처리해야 하는 데이터의 양을 줄여 빠르고 효율적으로 음성을 생성할 수 있다.

카카오는 향후 카나나-o 음성 기술을 발전시킬 계획이다. 음성 이해와 생성 능력을 하나의 통합 구조로 처리하는 연구를 통해 음성 처리 기술을 고도화하고 자연스럽고 끊김 없는 음성 경험을 제공하는 데 집중한다.

노병석 카카오 유니파이드 파운데이션 모델 성과리더는 "이번 카나나-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"면서 "향후 카나나-o 모델을 다양한 서비스에 적용해 더욱 자연스럽고 편리한 AI 음성 경험을 제공할 것"이라고 말했다.

이명환 기자 lifehwan@asiae.co.kr