내 손안의 AI 목소리, 포논 TTS가 여는 온디바이스 시대
한국 독자에게 왜 중요할까?
온디바이스 AI의 핵심인 고품질 음성 합성 기술이 벤치마크 1위를 기록하며, 향후 스마트폰과 가전 등 한국 소비자들의 일상 기기 경험을 혁신할 가능성을 보여주기 때문입니다.
최근 인공지능 업계에서 가장 주목받는 기술 중 하나는 단연 온디바이스 AI입니다. 이는 서버를 거치지 않고 스마트폰이나 노트북 같은 개별 기기에서 직접 AI를 구동하는 기술을 말합니다. 그동안 음성 합성(TTS) 기술은 대부분 클라우드 서버와의 통신이 필수적이었습니다. 하지만 새롭게 등장한 포논(Phonon)은 별도의 네트워크 연결 없이도 기기 안에서 고품질의 음성을 생성해내며 이 같은 관행을 깨뜨리고 있습니다.
포논은 약 65MB에서 75MB 수준의 매우 작은 크기로 설계되었습니다. 흔히 AI 모델은 크기가 작아지면 음질이 저하되는 한계가 있었지만, 포논은 고유의 흐름 매칭 기술을 도입해 소형 모델임에도 자연스러운 음성을 구현했습니다. 개발진은 포논에 대해 "소형 기기에서도 고품질의 음성을 실행하는 것이 항상 어려웠으나, 우리는 모델의 크기와 음질이라는 두 마리 토끼를 모두 잡는 데 성공했습니다"라고 설명했습니다.
이 기술의 핵심은 범용성과 접근성에 있습니다. 영어와 프랑스어, 독일어 등 5개 언어를 지원하며 100개 이상의 내장 음성을 제공합니다. 특히 전화번호나 날짜와 같이 기존 음성 합성 시스템이 자주 실수하던 영역까지 정확하게 처리합니다. 또한 애플워치나 아이폰은 물론 웹 브라우저에서도 즉시 작동할 만큼 가벼워, 일상적인 기기 경험을 혁신할 잠재력을 갖췄습니다.
허깅페이스가 운영하는 오픈 TTS 리더보드에서의 성적도 인상적입니다. 포논은 모델 크기가 100배 이상 큰 경쟁 모델들과 겨루어 언어 이해도 부문에서 상위권을 차지했고, 특히 CPU 스트리밍 속도 부문에서는 1위를 기록했습니다. 이는 고성능 서버가 없는 일반 소비자용 기기에서도 충분히 실시간 음성 합성이 가능하다는 점을 입증한 사례입니다.
앞으로 포논은 스마트폰의 건강 관리 앱이나 가전제품의 음성 안내 등 우리 생활 곳곳에 스며들 것으로 보입니다. 네트워크가 없는 환경에서도 중단 없이 작동하는 AI 목소리는 사용자의 개인정보를 보호하는 동시에 한층 더 매끄러운 디지털 경험을 제공할 것입니다. 기술의 경량화가 가져온 이번 변화가 한국 소비자들의 일상을 어떻게 바꿀지 기대되는 이유입니다.