카카오, 'Kanana-o' 음성 생성 기술 고도화…말투·감정 자연어로 제어

▲이미지 (사진제공=카카오)

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

개선된 Kanana-o는 이용자의 자연어 지시에 따라 말투와 속도, 음량, 음높이, 감정, 억양 등을 세밀하게 반영해 음성을 생성한다.

스포츠 중계나 아나운서, 동화책 낭독 등 역할 기반 발화와 여러 조건을 조합한 복합 지시도 수행할 수 있다. 한국어 데이터를 중심으로 학습했지만 영어 음성 생성에서도 동일한 발화 지시를 지원한다고 카카오는 밝혔다.

카카오에 따르면 Kanana-o는 발화 지시 이행 능력을 평가하는 'InstructTTSEval' 한국어 벤치마크에서 94.50점을 기록했다. 이는 GPT-4o-mini-tts(91.10점)를 웃도는 수준이며, 구글 Gemini-2.5-flash-preview-tts(95.38점)에 근접한 성능이다.

카카오는 자체 개발 음성 토크나이저 'LM-SPT(LM-aligned SPeech Tokenizer)'도 적용했다. 음성을 적은 수의 토큰으로 압축해 AI가 처리해야 하는 데이터 양을 줄이는 기술로, 음성 생성 속도와 효율을 높였다.

카카오는 앞으로 음성 이해와 생성을 통합하는 연구를 통해 음성 처리 기술을 고도화하고, 웃음과 한숨, 감탄 등 비언어적 표현 생성 기술도 개발할 계획이다.

노병석 카카오 유니파이드 파운데이션 모델 성과리더는 "이용자가 원하는 말투와 감정, 억양까지 자연어 지시에 따라 표현할 수 있는 능력을 갖추는 데 초점을 맞췄다"며 "Kanana-o 모델을 다양한 서비스에 적용해 자연스럽고 편리한 AI 음성 경험을 제공하겠다"고 말했다.