카카오, '카나나' 음성 AI 고도화…감정·사투리까지 자연어로 제어

카카오가 자체 개발한 옴니 인공지능(AI) 모델 '카나나-오(Kanana-o)'의 음성 생성 기술을 고도화하며 생성형 AI 경쟁력 강화에 나섰다. 이용자의 자연어 지시만으로 말투와 감정, 억양은 물론 사투리까지 반영하는 음성 생성 기능을 구현하고, 자체 개발 음성 토크나이저를 적용해 처리 속도와 효율도 높였다. 사진=카카오 [뉴스락]

[뉴스락] 카카오가 자체 개발한 옴니 인공지능(AI) 모델 '카나나-오(Kanana-o)'의 음성 생성 기술을 고도화하며 생성형 AI 경쟁력 강화에 나섰다. 이용자의 자연어 지시만으로 말투와 감정, 억양은 물론 사투리까지 반영하는 음성 생성 기능을 구현하고, 자체 개발 음성 토크나이저를 적용해 처리 속도와 효율도 높였다.

카카오는 테크블로그를 통해 카나나-오의 최신 음성 생성 기술을 4일 공개했다. 기존 음성 AI가 텍스트를 자연스럽게 읽는 데 초점을 맞췄다면, 새롭게 개선된 카나나-오는 이용자의 자연어 명령에 따라 발화 방식 자체를 제어할 수 있는 것이 특징이다.

이용자가 "아주 빠르게 읽어줘", "낮은 목소리로 읽어줘", "슬픈 목소리로 읽어줘", "경상도 사투리로 읽어줘"와 같은 지시를 입력하면 속도와 음량, 음높이뿐 아니라 감정과 억양, 발화 강도까지 반영한 음성을 생성한다.

"스포츠 중계하듯", "아나운서처럼", "동화책을 읽어주듯" 등 역할 기반의 지시는 물론 "톤을 낮춰서 빠르게 슬픈 목소리로 읽어줘"처럼 여러 조건을 조합한 복합 지시도 수행할 수 있다.

한국어 중심으로 학습했지만 영어 음성 생성에서도 동일한 발화 지시를 자연스럽게 처리한다는 설명이다.

성능도 글로벌 수준에 근접했다.

카나나-오는 음성 생성 모델의 발화 지시 이행 능력을 평가하는 '인스트럭트TTSEval' 한국어 벤치마크에서 94.50점을 기록했다. 이는 오픈AI의 GPT-4o-mini-tts(91.10점)를 웃도는 수치이며, 구글 'Gemini 2.5 Flash Preview TTS'(95.38점)와 비슷한 수준이다.

카카오는 음성 생성 속도와 효율 향상을 위해 자체 개발한 음성 토크나이저 'LM-SPT(LM-aligned SPeech Tokenizer)'도 새롭게 적용했다.

LM-SPT는 음성을 적은 수의 토큰으로 압축해 AI가 처리해야 하는 데이터량을 줄이는 기술이다. 이를 통해 음성 생성 속도를 높이는 동시에 연산 효율도 개선했다고 회사 측은 설명했다.

카카오에 따르면 LM-SPT는 한국어와 영어 음성 이해·생성 평가에서 글로벌 최신 기술인 Mimi, DualCodec, CosyVoice2 기반 모델보다 우수한 성능을 기록했으며, 음성의 자연스러움과 화자 유사성을 평가하는 전문가 청취 평가에서도 가장 높은 점수를 받았다.

카카오는 앞으로 음성 이해와 생성을 하나의 통합 구조에서 처리하는 기술을 고도화하는 한편, 웃음과 한숨, 감탄 등 비언어적 표현까지 구현하는 음성 AI 개발도 이어갈 계획이다.

노병석 카카오 유니파이드 파운데이션 모델 성과리더는 "이번 카나나-오 음성 기술 고도화는 사람처럼 자연스러운 음성 생성과 함께 이용자가 원하는 말투와 감정, 억양을 자연어 지시에 따라 표현하는 데 초점을 맞췄다"며 "향후 다양한 서비스에 적용해 더욱 자연스럽고 편리한 AI 음성 경험을 제공하겠다"고 말했다.