38stock 뉴스속보

www.38.co.kr

2025년 05월 01일 10:51 김소연 기자

카카오 AI "카나나" 음성·사진·글 동시에 이해…챗GPT보다 언어능력 ↑

카카오는 1일 자체 테크블로그에서 통합 멀티모달 언어모델 '카나나-o'의 성능과 개발 후기를 공개했다.

'카나나-o'는 텍스트, 음성, 이미지 중 어떠한 조합으로 질문을 입력해도 처리하며, 상황에 맞는 텍스트나 자연스러운 음성으로 응답할 수 있는 구조로 설계됐다.

카카오는 이미지 처리에 특화된 모델 '카나나-v'와 오디오 이해 및 생성에 특화된'카나나-a' 모델을 통합, 단기간 내 효율적으로 '카나나-o'를 개발했다. 이미지, 오디오, 텍스트 데이터를 동시에 학습하는'병합 학습'을 통해 시·청각 정보를 동시에 이해하고, 텍스트와 연결할 수 있도록 통합 훈련을 거쳤다.

이러한 과정을 통해 카나나-o는 기존 LLM(거대언어모델) 구조에서 이미지 이해 능력과 음성 인식, 합성, 감정 이해 등 고도화된 오디오 능력을 확장시킨 통합 멀티모달 언어모델로 구현됐다.

카나나-o는 '음성 감정 인식 기술'을 통해 사용자의 억양, 말투, 목소리 떨림 등 비언어적 신호를 분석해 의도를 해석하고, 대화 맥락에 맞는 감정적이고 자연스러운 음성의 응답을 생성한다.

대규모 한국어 데이터셋을 활용해 한국어의 특수한 발화 구조, 억양, 어미 변화 등을 정밀하게 반영하기도 했다. 특히 제주도, 경상도 등 지역 방언을 인식하고 이를 표준어로 변환해 자연스러운 음성을 생성할 수 있다. 성능의 고도화를 위해 카카오는 독자적인 한국어 음성 토크나이저(Tokenizer, 오디오 신호를 일정 단위로 작게 분해하는 도구) 개발을 진행 중이다.

스트리밍 방식의 음성합성 기술을 적용해 사용자가 긴 대기 시간 없이 응답을 받을 수 있다. 예를 들어, 이미지와 함께 "이 그림에 어울리는 동화를 만들어 줘"라고 입력하면, 카나나-o는 음성을 이해하는 동시에 억양과 감정 등을 분석해 자연스럽고 창의적인 이야기를 실시간으로 생성해 들려준다.

카나나-o는 한국어 및 영어 벤치마크에서 글로벌 최고 모델들과 유사 수준을 기록했고, 한국어 벤치마크는 높은 우위를 보였다. 특히 감정인식 능력에서는 한국어와 영어 모두에서 큰 격차를 기록했다. 이미지와 음성을 통합적으로 이해해야 하는 '이미지-음성 QA(질의응답)' 태스크에서도 강력한 성능을 달성, 글로벌 경쟁력을 확인했다.

카카오는 향후 △다중 턴(Multi-turn) 대화 처리 △양방향 데이터 동시 송수신 기술(Full-duplex) 대응 능력 강화 △부적절한 응답 방지를 위한 안전성 확보를 목표로 연구 개발을 할 계획이다. 실제 대화에 가까운 자연스러운 상호작용을 실현해가는 것이 목표다.

카카오 김병학 카나나 성과리더는 "카나나 모델은 복합적인 형태의 정보를 통합적으로 처리함으로써 기존의 텍스트 중심 AI를 넘어 사람처럼 보고 듣고 말하며 공감하는 AI로 진화하고 있다"며 "독자적인 멀티모달 기술을 바탕으로 자사의 인공지능 기술 경쟁력을 강화하는 한편, 지속적 연구 결과 공유를 통해 국내 AI 생태계 발전에 꾸준히 기여할 계획"이라고 말했다.

한편, 카카오는 지난해 자체 개발 AI 모델 '카나나'의 라인업을 공개했다. 공식테크 블로그를 통해 언어모델, 멀티모달 언어모델, 비주얼 생성모델 등의 성능과 개발기를 공개해왔다. 지난 2월에는 국내 AI 생태계 활성화를 위해 '카나나 나노 2.1B' 모델을 오픈소스로 깃허브(GitHub)에 배포했고 자체 개발 언어모델 '카나나'의 연구 성과를 담은 테크니컬 리포트를 아카이브(ArXiv)에 공개하기도 했다.

김소연 기자 nicksy@mt.co.kr

키워드림론 최대 4배 주식자금 & 고금리 대환상품 한도 오픈! (1644-6960)

[무료운세] 믿어야 돼 말아야 돼? 종목매수전에 믿고보는 "오늘의 운세"

[파워 인터뷰]

프린트하기 닫기

www.38.co.kr