"사투리부터 감정 표현까지"… 카카오 AI '카나나-o' 음성 고도화의 충격

AI가 내 고향 사투리로 말한다? 카카오 '카나나-o' 오디오 AI 기술 완벽 정리

"AI가 내 고향 사투리로 말을 건넨다면?" 카카오 '카나나-o'의 혁신

텍스트 명령만으로 감정, 억양, 사투리, 속도까지 완벽하게 제어하는 카카오의 옴니 AI 모델 '카나나-o'와 음성 토크나이저 LM-SPT 기술, 그리고 오디오 AI 에이전트의 미래를 빠르게 정리해 드립니다.

📚 근거 및 출처

이 글은 카카오 공식 발표 자료 및 주요 IT 매체(전자신문, 매일경제)의 보도 내용을 바탕으로 작성되었습니다.
최종 업데이트: 2026년 8월 10일

📋 목차

인공지능과의 대화가 단순한 '텍스트 주고받기'를 넘어, 사람처럼 억양과 감정을 싣고 지역 사투리까지 자유자재로 구사하는 단계로 진화하고 있습니다. 최근 카카오가 공개한 옴니(Omni) AI 모델 '카나나-o(Kanana-o)'의 음성 생성 기술 고도화 소식은 AI 업계에 큰 충격을 주었습니다. 텍스트 입력만으로 미세한 비언어적 표현까지 제어하는 이번 기술 혁신의 주요 배경과 의미를 체계적으로 분석해 드립니다. 😊

🔹 카카오 '카나나-o' 음성 고도화 기술의 핵심 요소

카카오의 '카나나-o'는 기존의 단조로운 기계음 성우 목소리를 탈피하여, 텍스트 프롬프트 지정만으로 음성의 감정, 속도, 억양, 지역별 사투리까지 정교하게 조율할 수 있는 초고도화된 오디오 생성 기술을 선보였습니다.

특히 기쁨, 슬픔, 당황함 같은 직관적인 감정 표현은 물론, 긴장된 순간의 한숨이나 웃음소리 등 자연스러운 비언어적 음성 소스를 자유자재로 결합할 수 있다는 점이 특징입니다. 이를 통해 한국어 벤치마크 평가에서도 기존 모델들을 뛰어넘는 고득점을 기록하며 완성도를 인정받았습니다.

💡 카나나-o 음성 제어의 차별점

별도의 고비용 음성 녹음 작업 없이, 텍스트 프롬프트 속 지시문(예: "경상도 사투리로 다정하게 들려줘")만으로 즉각적인 음성 합성이 가능해진 점이 핵심 혁신입니다.

🔹 혁신의 중심: 신규 음성 토크나이저 LM-SPT

이러한 음성 고도화를 가능하게 만든 핵심 기술적 배경에는 카카오가 새롭게 자체 개발한 음성 토크나이저 'LM-SPT(Language Model-based Speech Phoneme Tokenizer)'가 위치해 있습니다.

기존 음성 합성 방식이 방대한 음성 데이터를 토큰화하는 과정에서 연산 속도가 저하되거나 뉘앙스 손실이 발생하는 한계가 있었다면, LM-SPT는 음성 데이터의 압축 및 연산 효율성을 극대화하여 실시간에 가까운 압도적 처리 속도와 높은 음질 복원력을 동시에 확보했습니다.

⚠️ 음성 AI 기술 발전과 딥페이크 주의점

음성 생성이 정교해짐에 따라 타인의 목소리를 악용하는 딥페이크 보이스 피싱 등의 윤리적 위협도 커지고 있습니다. 카카오를 비롯한 기술기업들은 오남용 방지를 위한 워터마크 기술 기법 도입에 집중하고 있습니다.

기존 음성 합성 기술 vs 카카오 카나나-o 비교

구분	기존 음성 합성(TTS)	카카오 카나나-o (LM-SPT 기반)
제어 방식	사전에 녹음된 고정 성우 톤 기반	텍스트 지시로 감정/억양/사투리 즉시 제어
비언어적 표현	불가 또는 매우 어색한 처리	웃음, 한숨, 호흡 등 자연스러운 연출 가능
처리 효율성	높은 연산량, 음성 데이터 처리 지연	LM-SPT 기반 효율화로 실시간 대화 가능

🔹 오디오 AI 패러다임 변화와 AI 음성 에이전트의 미래

이번 카나나-o의 기술 고도화는 단순한 기술 시연을 넘어, '텍스트 중심 AI'에서 '맥락과 감정을 전달하는 오디오 AI'로 이동하는 산업 패러다임의 커다란 변화를 상징합니다.

앞으로는 생동감 넘치는 캐스터 톤의 스포츠 중계, 캐릭터별 입체적 목소리가 적용된 오디오북 및 동화 읽기, 사용자의 감정 상태를 케어하는 대화형 AI 챗봇 등 다양한 산업 영역에 빠르게 이 기술이 이식될 것으로 기대됩니다.

🎯 핵심 요약

1. '카나나-o'는 텍스트 명령어만으로 억양, 사투리, 비언어적 표현까지 미세 제어가 가능합니다.
2. 신규 음성 토크나이저 'LM-SPT'를 적용하여 연산 효율과 음질 복원력을 비약적으로 높였습니다.
3. 스포츠 중계, 동화 낭독, 대화형 AI 등 다채로운 음성 에이전트 생태계로 진화할 전망입니다.

"해당 배너는 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다."

❓ 자주 묻는 질문

Q: 카나나-o의 사투리 구현 능력은 어느 정도 수준인가요?

한국어 어휘와 지역별 고유의 억양, 문말 어미 변화를 정교하게 학습하여, 기존의 부자연스러운 기계음 사투리가 아닌 실제 해당 지역 주민이 대화하는 듯한 높은 몰입감을 구현해냈습니다.

Q: LM-SPT 기술이란 무엇인가요?

카카오가 자체 개발한 언어모델 기반 음성 음매 토크나이저로, 복잡한 음성 신호를 매우 효율적인 단위로 압축 처리하여 속도 향상과 정교한 감정 연출을 돕는 기술입니다.

Q: 일반 일반 사용자도 서비스에서 바로 사용할 수 있나요?

카카오는 고도화된 음성 생성 모델 기술을 자사 카나나 서비스 플랫폼 및 향후 카카오톡 인공지능 기능에 순차적으로 적용할 것으로 알려졌습니다.

🔗 함께 읽으면 좋은 글

- [AI 트렌드] 생성형 AI 시대, 오디오 옴니(Omni) 모델이 가져올 변화
- [카카오 AI] 멀티모달 서비스 카나나(Kanana) 주요 핵심 기능 정리

📎 참고자료 및 출처

- 전자신문: 카카오, '카나나-o' 음성 생성 기술 고도화 보도
- 매일경제: 카카오 자체 AI 모델 음성 생성 기술 고도화 발표 자료