카카오 ‘카나나-오’, 말투와 감정을 문장으로 지시하는 음성 생성 기술 공개

(platum.kr)

카카오가 사용자의 문장 지시만으로 말투와 감정, 억양까지 자유롭게 조절 가능한 차세대 음성 생성 기술 ‘카나나-오’를 공개하며, 단순 텍스트 읽기를 넘어 사용자 의도를 정교하게 반영하는 고도화된 오디오 AI 시대의 개막을 알렸습니다.

이 글의 핵심 포인트

1사용자의 문장 지시(말투, 감정, 억양 등)에 따라 음성을 생성하는 기술 고도화
2InstructTTSEval 한국어 벤치마크에서 94.50점을 기록하며 글로벌 모델과 대등한 성능 입증
3자체 개발 음성 토크나이저 'LM-SPT' 적용으로 데이터 압축 및 생성 속도 향상
4영어와 한국어 모두에서 기존 주요 모델(Mimi, CosyVoice2 등) 대비 우수한 성능 확인
5향후 웃음, 한숨 등 비언어적 표현까지 포함하는 통합 음성 구조 연구 계획

이 글에 대한 공공지능 분석

왜 중요한가?

기존 TTS(Text-to-Speech) 기술이 텍스트의 자연스러운 발음에 집중했다면, 카나나-오는 '어떻게 말할지'에 대한 스타일 제어를 가능하게 하여 AI 인터랙션의 차원을 높였습니다. 이는 단순 정보 전달을 넘어 감성적 교감이 가능한 개인화된 AI 에이전트 구현의 핵심 기술입니다.

어떤 배경과 맥락이 있나?

생성형 AI 시장은 텍스트를 넘어 멀티모달(Multimodal)로 급격히 이동 중이며, 음성 인터페이스는 인간과 AI가 소통하는 가장 직관적인 통로입니다. 카카오는 한국어 특화 데이터와 효율적인 토크나이저 기술을 결합하여 글로벌 빅테크와의 경쟁력을 확보하려는 전략을 취하고 있습니다.

업계에 어떤 영향을 주나?

콘텐츠 제작, 게임, 고객 상담 등 음성 기반 서비스의 개인화 수준이 비약적으로 상승할 것입니다. 특히 사투리나 특정 캐릭터의 페르소나를 손쉽게 구현할 수 있어, 1인 크리에이터와 소규모 개발사들의 오디오 콘텐츠 생성 비용을 낮추는 촉매제가 될 전망입니다.

한국 시장에 어떤 시사점이 있나?

글로벌 모델(GPT-4o 등)이 주도하는 시장에서 한국어 특화 성능과 문화적 맥락(사투리 등)을 강점으로 내세운 로컬 AI의 생존 전략을 보여줍니다. 국내 스타트업들은 이러한 고성능 API를 활용해 차별화된 사용자 경험(UX)을 설계하는 데 집중해야 합니다.

이 글에 대한 큐레이터 의견

카카오의 이번 발표는 단순한 기술 업데이트를 넘어, '지시 가능한 음성(Instructable Voice)'이라는 새로운 인터랙션 패러다임을 제시했다는 점에서 의미가 큽니다. 특히 LM-SPT를 통한 데이터 압축 및 효율화 작업은 비용 민감도가 높은 스타트업들에게 고품질 오디오 AI를 서비스에 도입할 수 있는 기술적 토대를 마련해 준다는 점에서 매우 긍정적입니다.

창업자들은 이 기술을 활용해 캐릭터 기반의 인터랙티브 스토리텔링이나 감성적인 AI 비서 서비스를 기획할 수 있는 강력한 무기를 얻었습니다. 다만, 음성 생성의 정교함이 높아질수록 딥페이크(Deepfake)와 같은 보안 및 윤리적 리스크가 증폭될 수 있다는 점을 간과해서는 안 됩니다. 기술의 활용 능력만큼이나 오남용 방지를 위한 가드레일 구축이 서비스 신뢰도의 핵심이 될 것입니다.

원문 보기 →