"슬픈 목소리로 읽어줘"…카카오 AI, 말투·감정까지 조절한다

[서울=뉴시스]윤정민 기자 = 카카오가 원하는 말투와 감정, 억양까지 자연어로 지시할 수 있는 인공지능(AI) 음성 생성 기술을 선보였다.

카카오는 자체 개발 옴니 AI 모델 '카나나-오(Kanana-o)' 음성 생성 기술을 고도화했다고 4일 밝혔다.

카카오는 이용자가 원하는 말투와 감정, 억양을 자연어 지시만으로 제어할 수 있도록 기술을 개선하고 자체 개발 음성 토크나이저를 적용해 생성 속도와 효율도 높였다고 설명했다.

기존 음성 AI는 자연스럽게 텍스트를 읽어주는 데 초점을 맞췄다. 개선된 카나나-오는 이용자 지시에 따라 음성 표현 자체를 조절한다.

예를 들어 이용자가 "아주 빠르게 읽어줘", "낮은 목소리로 읽어줘", "슬픈 목소리로 읽어줘", "경상도 사투리로 읽어줘"처럼 말하면 AI가 속도, 음량, 음높이, 감정, 억양, 강도 등을 반영해 음성을 생성한다.

"스포츠 중계하듯", "아나운서처럼", "동화책을 읽어주듯" 같은 역할 기반 지시도 수행할 수 있다. "톤을 낮춰서 빠르게 슬픈 목소리로 읽어줘"처럼 여러 조건을 동시에 담은 복합 지시도 처리한다. 한국어 데이터를 중심으로 학습했지만 영어 음성 생성에서도 같은 방식의 발화 지시를 수행할 수 있다는 설명이다.

이번 기술은 AI 음성이 단순 낭독을 넘어 콘텐츠 제작과 서비스 응대에 활용될 가능성을 보여준다. 예를 들어 오디오 콘텐츠, 안내 음성, 챗봇, 교육 서비스에서 상황과 대상에 맞는 말투를 빠르게 바꿀 수 있다면 별도 성우 녹음이나 후처리 부담을 줄일 수 있다.

성능 평가에서도 개선이 이뤄졌다. 카나나-오는 발화 지시 이행 능력을 평가하는 'InstructTTSEval' 한국어 벤치마크에서 94.50점을 기록했다. 카카오는 오픈AI 'GPT-4o-미니-tts'(91.10점)를 넘어서는 수준이며 구글 '제미나이-2.5-플래시-프리뷰-tts'(95.38점)와 견줄 만한 성과라고 설명했다.

음성 생성 속도와 효율 개선에는 카카오가 자체 개발한 음성 토크나이저 'LM-SPT'가 적용됐다. 토크나이저는 AI가 텍스트나 음성 같은 데이터를 처리하기 쉬운 작은 단위로 나누는 기술이다.

LM-SPT는 음성을 더 적은 수의 토큰으로 압축해 표현해 AI가 처리해야 하는 데이터 양을 줄이고 더 빠르고 효율적으로 음성을 생성할 수 있게 한다.

카카오는 LM-SPT가 다양한 음성 언어모델의 한국어·영어 음성 이해와 생성 능력을 비교한 평가에서 최신 글로벌 기술을 적용한 모델보다 우수한 성능을 보였다고 밝혔다. 합성 음성의 자연스러움과 화자 유사도를 청취 후 지표화한 전문가 평가에서도 가장 높은 점수를 기록했다.

카카오는 음성 이해와 생성 능력을 하나의 통합 구조로 처리하는 연구를 통해 음성 처리 기술을 고도화하고 웃음, 한숨, 감탄 같은 비언어적 표현을 자연스럽게 만드는 기술도 개발할 예정이다.

노병석 카카오 유니파이드 파운데이션 모델 성과리더는 "이번 카나나-오 음성 기술 고도화는 사람처럼 자연스러운 음성 생성은 물론, 이용자가 원하는 말투와 감정, 억양까지 자연어 지시에 따라 표현할 수 있는 능력을 갖추는 데 초점을 뒀다"며 "향후 카나나-오 모델을 다양한 서비스에 적용해 더욱 자연스럽고 편리한 AI 음성 경험을 제공할 것"이라고 말했다.


◎공감언론 뉴시스 [email protected]