“찰떡같이 알아듣네”…카카오, '카나나-o' 음성 생성 기술 고도화

(etnews.com)

카카오가 자연어 지시만으로 감정과 억양을 자유롭게 조절할 수 있는 '카나나-o' 음성 생성 기술 고도화를 발표하며, GPT-4o-mini를 넘어서는 한국어 발화 지시 이행 능력을 입증해 AI 음성 인터페이스의 새로운 기준을 제시했습니다.

이 글의 핵심 포인트

1자연어 지시로 말투, 감정, 억양, 속도 등을 자유롭게 제어 가능한 '카나나-o' 기술 고도화
2'InstructTTSEval' 한국어 벤치마크에서 94.50점을 기록하며 GPT-4o-mini-tts(91.10점) 상회
3새로운 음성 토크나이저 'LM-SPT' 적용으로 음성 생성의 속도와 데이터 처리 효율성 증대
4한국어 중심 학습이지만 영어 음성 생성에서도 동일한 발화 지시 수행 가능
5향후 웃음, 한숨, 감탄 등 비언어적 표현 생성 기술 개발 계획

이 글에 대한 공공지능 분석

왜 중요한가?

단순한 TTS(Text-to-Speech)를 넘어 사용자의 의도를 반영한 '감성적 인터랙션'이 가능해졌다는 점이 핵심입니다. 이는 AI 에이전트의 페르소나 구현 능력을 비약적으로 높여 사용자 경험을 혁신할 수 있는 기술적 토대입니다.

어떤 배경과 맥락이 있나?

멀티모달 AI 경쟁이 가속화되는 가운데, 텍스트를 넘어 음성까지 자연스럽게 제어하는 'Omni' 모델로의 진화가 필수적인 시점입니다. 카카오는 한국어 특화 데이터를 바탕으로 글로벌 빅테크 모델과의 격차를 줄이는 전략을 취하고 있습니다.

업계에 어떤 영향을 주나?

콘텐츠 제작, 교육, 고객 서비스 등 음성 기반 인터페이스가 필요한 산업군에서 고도화된 AI 보이스 수요가 급증할 것입니다. 특히 LM-SPT와 같은 효율적 토크나이저 기술은 온디바이스 AI 구현을 위한 핵심 경쟁력이 될 전망입니다.

한국 시장에 어떤 시사점이 있나?

글로벌 모델의 성능이 압도적임에도 불구하고, 한국어 특화 지시 이행 능력과 사투리 등 로컬리티를 강조한 전략은 국내 스타트업들에게 강력한 벤치마크이자 동시에 극복해야 할 고성능 경쟁 모델을 제시합니다.

이 글에 대한 큐레이터 의견

카카오의 이번 발표는 AI가 단순한 정보 전달자를 넘어, 감정을 교류하는 '페르소나'로서 기능할 수 있는 기술적 토대를 마련했다는 점에서 큰 의미가 있습니다. 특히 자연어 지시만으로 억양과 감정을 조절한다는 것은 개발자가 복잡한 파라미터를 조정할 필요 없이 프롬프트만으로 고품질의 음성 콘텐츠를 생성할 수 있음을 뜻하며, 이는 AI 에이전트 서비스의 진입 장벽을 낮추는 기회입니다.

다만, 이러한 고도화된 기술이 실제 서비스의 비용 효율성(Inference Cost)과 실시간 응답성(Latency) 문제를 어떻게 해결하느냐가 관건입니다. LM-SPT를 통한 압축 기술이 언급되었으나, 감정 표현이 풍부해질수록 연산량은 늘어날 수밖에 없습니다. 스타트업 창업자들은 카카오의 모델을 API 형태로 활용할 때 발생할 비용 구조와 서비스 품질 사이의 트레이드오프를 면밀히 계산해야 하며, 단순히 기술적 우위를 넘어 이를 어떤 버티컬 서비스(예: 교육, 엔터테인먼트)에 결합해 독보적인 UX를 만들 것인지에 집중해야 합니다.

원문 보기 →