카카오는 자체 개발한 옴니 인공지능(AI) 모델 '카나나-오(Kanana-o)'의 음성 생성 기술을 한 단계 발전시켰다고 4일 밝혔다.
기존 음성 AI가 자연스럽게 텍스트를 읽는 데 초점을 맞췄다면, 카나나-오는 이용자가 원하는 말투와 감정, 억양을 반영한다. 이용자가 "아주 빠르게 읽어줘", "낮은 목소리로 읽어줘", "슬픈 목소리로 읽어줘", "경상도 사투리로 읽어줘"와 같이 자연어로 원하는 발화 방식을 말하면 AI가 속도, 음량, 음높이는 물론 감정과 억양, 강도까지 세밀하게 반영해 음성을 생성한다.
이 밖에 "스포츠 중계하듯", "아나운서처럼", "동화책을 읽어주듯" 등 역할 기반의 지시는 물론, "톤을 낮춰서 빠르게 슬픈 목소리로 읽어줘"와 같이 여러 조건을 동시에 담은 복합 지시도 수행할 수 있다.
카카오는 카나나-오가 발화 지시 이행 능력을 평가하는 'InstructTTSEval' 한국어 벤치마크에서 94.50점을 기록해 GPT-4o-mini-tts(91.10점)를 넘어섰다고 밝혔다.
카나나-오는 자체 개발한 음성 토크나이저 LM-SPT(LM-aligned SPeech Tokenizer)를 통해 생성 속도와 효율도 함께 높였다. LM-SPT는 AI가 음성을 더 적은 수의 토큰으로 압축해 표현하는 기술이다. AI가 처리해야 하는 데이터의 양을 줄여 더 빠르고 효율적으로 음성을 생성한다.
노병석 카카오 유니파이드 파운데이션 모델 성과 리더는 "향후 카나나-오 모델을 다양한 서비스에 적용해 더욱 자연스럽고 편리한 AI 음성 경험을 제공할 것"이라고 말했다.