카카오는 4일, '카나나-o'라는 옴니 인공지능(AI) 모델이 사용자의 명령에 따라 음성을 제어하는 기술을 고도화했다고 밝혔습니다.
고도화된 카나나-o는 사용자가 원하는 억양과 감정을 포함한 음성을 자연어로 제어할 수 있습니다. 사용자가 "슬픈 목소리로 읽어줘"나 "경상도 사투리로 읽어줘"와 같은 자연어로 발화 방식을 명령하면, AI는 속도, 음량, 음높이뿐만 아니라 감정, 억양, 강도까지 반영한 음성을 생성합니다.
또한, "스포츠 중계하듯"이나 "동화책을 읽어주듯"와 같이 역할에 기반한 명령뿐만 아니라, "톤을 낮춰서 빠르게 슬픈 목소리로 읽어줘"와 같이 다양한 조건을 포함한 명령도 수행할 수 있습니다.
카나나-o는 한국어 데이터를 기반으로 학습했지만, 영어 음성 생성에서도 동일한 명령을 수행할 수 있습니다. 이 모델은 'InstructTTSEval' 한국어 벤치마크에서 94.50점을 기록하여 GPT-4o-mini-tts(91.10점)를 능가하는 수준입니다.
또한, 새로운 음성 토크나이저 'LM-SPT'를 도입하여 음성 생성의 속도와 효율을 대폭 향상시켰습니다. LM-SPT는 AI가 음성을 더 적은 수의 토큰으로 압축해 표현하는 기술로, 데이터 처리량을 줄여 빠르고 효율적인 음성 생성이 가능합니다.
카카오는 카나나-o의 음성 기술을 계속 발전시켜 웃음, 한숨, 감탄 등의 비언어적 표현을 생성하는 기술을 개발할 계획입니다. 노병석 카카오 유니파이드 파운데이션 모델 성과리더는 "카나나-o 모델을 다양한 서비스에 적용하여 더욱 자연스러운 AI 음성 경험을 제공할 것"이라고 전했습니다.