텍스트·이미지 다음은 음성…AI가 듣는다

사람 목소리부터 기계음까지
음성인식 기술 고도화 경쟁

인공지능(AI)이 챗봇에서 에이전트로 진화하는 가운데 음성인식 기술을 고도화하기 위한 경쟁이 벌어지고 있다. 사람의 말을 알아듣는 음성 AI를 넘어 기계음과 환경음까지 데이터로 만드는 기술로 경쟁 영역이 넓어지고 있다.

19일 테크크런치 등 외신에 따르면 미국 음성 AI 스타트업 위스퍼는 2억8000만달러(약 4000억원) 규모의 투자를 유치했다. 기업가치는 20억달러로 지난해 11월 7억달러에서 9개월 만에 약 3배로 뛰었다.

위스퍼는 키보드 대신 말로 컴퓨터와 스마트폰에 글을 입력하는 음성 AI 서비스를 제공한다. 사용자의 말을 받아쓰는 데 그치지 않고 AI가 불필요한 표현을 제거하고 문맥에 맞게 문장을 다듬는다. 음성을 키보드와 마우스처럼 컴퓨터의 기본 입력 수단으로 만드는 '보이스 운영체제'를 목표로 하고 있다.

이러한 배경에는 AI와 사람의 상호작용 방식이 텍스트에서 음성으로 변화할 것이라는 기대가 있다. 사용자가 여러 단계의 메뉴를 조작하거나 명령어를 입력하는 대신 말 한마디로 업무를 맡기는 환경이 만들어질 것이란 기대감이 커지고 있다.

주요 AI 기업들도 실시간 음성 기술을 고도화하고 있다. 기존 음성 AI가 사람의 말을 텍스트로 옮기는 데 집중했다면, 최근에는 대화의 맥락을 이해하는 자연스러운 상호작용을 구현하고 있다. 오픈AI는 지난달 실시간 음성 모델 GPT 라이브를 출시했다. 이용자의 발화가 끝나기를 기다렸다 답하는 방식에서 벗어나 사람의 말을 동시에 듣고 말할 수 있는 방식을 구현했다.

국내 음향 AI 기업 디플리는 제조 현장에서 발생하는 기계음과 충격음 등 비언어적 소리를 AI로 분석해 데이터화한다. 최근에는 제조 환경에 적용할 수 있는 AI 솔루션과 엔터프라이즈용 표준화 모델 구축에 나서고 있다. 음성 AI 기업 일레븐랩스는 최근 오래되거나 음질이 낮은 아카이브 음원에서도 특정 화자의 목소리를 분리·복원하는 기술을 다양한 산업군에 적용하고 있다. 소량의 음성 자료만으로 화자의 음색과 발화 패턴을 학습한 뒤, 복원된 목소리로 새로운 콘텐츠를 제작하는 방식이다.

포춘비즈니스인사이트는 전 세계 음성인식 시장 규모가 올해 237억달러에서 2034년 1040억5000만달러로 4배 이상 성장할 것으로 내다봤다. 2026년부터 2034년까지 연평균 20% 넘게 성장할 것으로 예상했다.

박진호 동국대 컴퓨터·AI학과 교수는 "AI가 여러 단계의 행동을 대신 수행하는 에이전트로 발전할수록 음성은 물론 시각·청각 등 인간의 감각을 활용한 인터페이스는 확대될 것"이라며 "실제 환경에서 음성 인식의 정확도를 높이려면 입력 데이터의 품질을 높이고, 문맥 추론과 노이즈 제거·필터링 기술도 함께 발전해야 한다"고 말했다.

이은서 기자 libro@asiae.co.kr