카카오가 자체 개발한 옴니 인공지능(AI) 모델 'Kanana-o(카나나-오)' 음성 생성 기술을 한 단계 끌어올렸다고 4일 밝혔다.
이번에 개선된 모델은 이용자 지시에 따라 음성 표현 자체를 제어한다. 이용자가 "아주 빠르게 읽어줘" 혹은 "경상도 사투리로 읽어줘" 등과 같이 자연어로 원하는 발화 방식을 발하면 AI가 속도, 음량, 음높이 뿐 아니라 감정과 억양, 강도까지 반영해 음성을 생성한다.
또 "스포츠 중계하듯"이나 "동화책을 읽어주듯" 등 역할 기반 지시와 "톤을 낮춰 빠르게 슬픈 목소리로" 등 여러 조건을 동시에 담은 복합 지시도 수행한다.
카나나-오는 발화 지시 이행 능력을 평가하는 'InstructTTSEval' 한국어 벤치마크에서 94.5점을 기록했다. 이는 GPT-4o-mini-tts(91.10점)보다 높은 수준으로 구글 제미나이-2.5-flash-preview-tts(95.38점)와 비교할 만 하다.
음성 생성 품질과 함께 속도, 효율도 향상됐다. 카카오는 자체 개발한 음성 토크나이저 'LM-SPT(LM-aligned SPeech Tokenizer)'를 새롭게 적용했다. LM-SPT는 AI가 음성을 더 적은 수의 토큰으로 압축해 표현하는 기술이다. AI가 처리해야 하는 데이터 양을 줄여 빠르고 효율적으로 음성을 생성할 수 있다.
카카오는 향후 카나나-오 음성 기술을 발전시켜 나간다는 계획이다. 음성 이해와 생성 능력을 하나의 통합 구조로 처리하는 연구를 통해 음성 처리 기술을 고도화하고, 끊김없는 음성 경험을 제공하는데 집중한다는 전략이다.
노병석 카카오 유니파이드 파운데이션 모델 성과리더는 "이번 카나나-오 음성 기술 고도화는 자연어 지시에 따라 표현할 수 있는 능력을 갖추는데 초점을 뒀다"며 "향후 카나나-오 모델을 다양한 서비스에 적용해 자연스럽고 편리한 AI 음성 경험을 제공할 것"이라고 말했다.
