카카오는 옴니 인공지능(AI) 모델 '카나나-o'가 이용자 지시에 따라 음성 표현을 제어하는 음성 생성 기술을 고도화했다고 4일 밝혔다.
고도화된 카나나-o는 이용자가 원하는 말투와 감정, 억양까지 자연어 지시만으로 제어할 수 있다. 이용자가 “슬픈 목소리로 읽어줘” “경상도 사투리로 읽어줘”와 같이 자연어로 원하는 발화 방식을 말하면, AI가 속도, 음량, 음높이는 물론 감정과 억양, 강도까지 반영해 음성을 생성한다.
또 “스포츠 중계하듯” “동화책을 읽어주듯” 등 역할 기반의 지시는 물론, “톤을 낮춰서 빠르게 슬픈 목소리로 읽어줘”와 같이 여러 조건을 동시에 담은 복합 지시도 수행할 수 있다.
한국어 데이터 중심으로 학습했지만, 영어 음성 생성에서도 동일한 발화 지시 수행이 가능한 점도 특징이다.
카나나-o는 발화 지시 이행 능력을 평가하는 'InstructTTSEval' 한국어 벤치마크에서 94.50점을 기록했다. 이는 GPT-4o-mini-tts(91.10점)를 넘어서는 수준이다.
새로운 음성 토크나이저 'LM-SPT'를 적용해 음성 생성의 속도와 효율을 크게 높였다. LM-SPT는 AI가 음성을 더 적은 수의 토큰으로 압축해 표현하는 기술이다. AI가 처리해야 하는 데이터의 양을 줄여 더 빠르고 효율적으로 음성을 생성할 수 있도록 한다.
카카오는 카나나-o의 음성 기술을 지속 고도화하고, 웃음·한숨·감탄 등 비언어적 표현을 생성하는 기술을 개발할 계획이다.
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 “카나나-o 모델을 다양한 서비스에 적용해 더욱 자연스럽고 편리한 AI 음성 경험을 제공할 것”이라고 말했다.
현대인 기자 modernman@etnews.com
