크래프톤, 21B 한영 이중언어 음성 AI 모델 'A.X K2 Raon-Speech' 공개

(news.hada.io)

크래프톤이 SK텔레콤의 텍스트 백본과 자체 음성 기술을 결합하여 한국어와 영어 성능이 뛰어난 21B 규모의 이중언어 음성 AI 모델인 'A.X K2 Raon-Speech'를 공개하며 멀티모달 AI 경쟁력을 입증했습니다.

이 글의 핵심 포인트

1SKT의 A.X K2 Light 20B-A3B 텍스트 백본과 크래프톤 자체 음성 인코더/코덱 결합
221.2B 파라미터 중 약 3.5B만 활성화하는 MoE 구조를 통한 효율적 연산 구현
3STT, TTS, SpeechQA, 도구 호출 및 감정/화자 정보가 포함된 멀티모달 대화 지원
430B 이하 공개 음성 언어 모델 중 한국어 종합 성능 1위, 영어 종합 3위 기록
5연구 및 비상업적 프로토타이핑을 위한 CC BY-NC 4.0 라이선스로 공개

이 글에 대한 공공지능 분석

왜 중요한가?

단순한 텍스트 기반 LLM을 넘어 음성 인코더와 코덱을 하나의 모델에 통합한 멀티모달리티(Multimodality)의 진전을 보여주며, 특히 한국어 특화 성능에서 글로벌 수준의 경쟁력을 증명했다는 점이 핵심입니다.

어떤 배경과 맥락이 있나?

SK텔레콤의 텍스트 백본과 크래프톤의 음성 기술이 결합된 형태로, 정부 주도의 '독자 AI 파운데이션 모델 프로젝트(독파모)'의 일환으로 진행된 대기업 간 기술 협력 연구의 결과물입니다.

업계에 어떤 영향을 주나?

비상업적 용도로 공개됨에 따라 음성 기반 AI 에이전트나 인터랙티브 콘텐츠를 개발하는 스타트업들에게 고품질의 멀티모달 베이스 모델을 실험하고 활용할 수 있는 강력한 도구를 제공합니다.

한국 시장에 어떤 시사점이 있나?

거대 자본과 인프라가 필요한 파운데이션 모델 구축에 있어 국내 기업 간의 전략적 협력 모델이 유효함을 보여주며, 한국어 특화 AI 생태계의 기술적 격차를 좁힐 수 있는 중요한 이정표가 될 것입니다.

이 글에 대한 큐레이터 의견

이번 크래프톤의 발표는 MoE(Mixture of Experts) 구조를 활용해 파라미터 효율성을 높이면서도 한국어와 영어라는 두 마리 토끼를 잡은 고도의 기술적 성과입니다. 텍스트와 음성 모듈을 유기적으로 결합하여 화자의 감정과 억양까지 재현할 수 있다는 점은 차세대 AI 에이전트 개발에 있어 매우 중요한 진보입니다.

다만, 스타트업 창업자 관점에서는 모델의 높은 성능 뒤에 숨겨진 '운영 비용'이라는 트레이드오프를 반드시 고려해야 합니다. 42.4GB에 달하는 가중치 크기와 대규모 GPU 인프라 요구 사양은 실시간 서비스 구현 시 막대한 추론 비용과 지연 시간(Latency) 문제를 야기할 수 있습니다. 따라서 이 모델을 그대로 서비스화하기보다는, 특정 도메인에 특화된 경량화(Distillation)나 효율적인 파인튜닝 전략을 통해 인프라 부담을 최소화하는 실행 가능한 접근이 필요합니다.

원문 보기 →