음성 AI 스타트업 카르테시아, 6400만 달러 투자 유치 및 '소닉 2.0' 출시

음성 AI와 대화할 때 몰입감을 깨뜨리는 가장 큰 요인은 답변이 나오기 전의 어색한 침묵입니다. 인간의 대화 호흡보다 반 박자만 늦어져도 기계와 씨름하고 있다는 사실이 곧바로 체감됩니다.

실시간 음성 AI 전문 스타트업 카르테시아(Cartesia)가 이 대화 지연 문제를 정면으로 겨냥했습니다. 카르테시아는 클라이너 퍼킨스(Kleiner Perkins)가 주도한 시리즈 A 라운드에서 6400만 달러 규모의 투자를 유치했다고 밝혔습니다. 투자 발표와 함께 신형 음성 모델인 '소닉 2.0(Sonic 2.0)'도 정식 공개했습니다.

40밀리초 지연 시간과 상태 공간 모델

사람이 대화를 주고받는 일반적인 반응 속도는 약 200밀리초 안팎입니다. AI 음성 모델이 이 기준보다 느리면 자연스러운 티키타카가 불가능해집니다.

소닉 2.0은 기본 풀 모델에서 90밀리초, 실시간 전용 최적화 환경에서는 단 40밀리초라는 지연 시간을 기록했습니다. 더 빠른 속도를 원하는 개발자를 위해 '소닉 터보(Sonic Turbo)' 버전도 함께 선보였습니다.

기술적으로 가장 눈에 띄는 대목은 상태 공간 아키텍처(State Space Architecture)를 도입했다는 점입니다. 카르테시아에 따르면 이전 세대 대비 모델 크기를 두 배로 키웠음에도 실행 속도와 연산 효율은 오히려 끌어올렸습니다.

음성 복제 기술도 세밀해졌습니다. 복잡한 억양이나 미묘한 감정 톤, 말투 스타일을 정밀하게 재현해 내어 고객 지원 센터, 글로벌 콘텐츠 현지화, 접근성 도구처럼 발음의 정교함이 필수적인 영역에 적합하도록 설계되었습니다.

엔터프라이즈 환경과 온디바이스 배포

카르테시아는 기업 현장에서 곧바로 쓸 수 있는 안정성을 강점으로 내세웠습니다. 99.9%의 시스템 가동률을 보장하며, 기업용 보안 규격인 SOC-2는 물론 미국 의료 정보 보호법인 HIPAA 인증까지 획득했습니다.

개발자용 소닉 API는 클라우드 방식뿐만 아니라 온디바이스(기기 내) 직접 배포 옵션도 지원합니다. 카르테시아의 카(Kar) 최고경영자는 "올해는 음성 AI의 해이며, 모든 영역으로 확산될 것"이라고 자신감을 드러냈습니다.

이번 투자금 6400만 달러는 연구 인력 확충과 차세대 모델 개발에 투입됩니다. 향후 보이스 체인저, 음성 인필 편집(부분 수정), 온디바이스 추론 최적화 기능 등을 순차적으로 추가할 계획입니다.

왜 중요한가

우리는 거대언어모델의 텍스트 추론 능력이 상향 평준화되는 상황에서, 차세대 AI 에이전트의 승부처가 음성 지연 시간 단축으로 옮겨왔다고 봅니다. 40밀리초 수준의 반응 속도는 사용자가 말을 끊거나 끼어드는 자연스러운 양방향 소통을 가능하게 만듭니다.

고객 상담 봇, 실시간 음성 통역기, 하드웨어 비서를 개발하는 팀이라면 지금 소닉 2.0 무료 체험판을 직접 검증해 볼 가치가 충분합니다. 특히 HIPAA와 SOC-2 인증을 기본적으로 갖추고 있어 금융이나 헬스케어 등 보수적인 기업 시장 진입 장벽을 대폭 낮췄습니다.

클라우드 종속을 벗어날 수 있는 온디바이스 배포 전략은 매우 현명한 선택으로 보입니다. 고가의 API 호출 비용을 줄이고 데이터 프라이버시 문제를 해결할 수 있어, 일레븐랩스(ElevenLabs) 같은 기존 음성 강자들에게도 강력한 위협이 될 수 있습니다.

다만 상태 공간 모델을 기반으로 한 음성 합성이 트랜스포머 중심의 기존 아키텍처만큼 복잡하고 다양한 감정 표현을 장기적으로 안정되게 유지할 수 있을지는 계속 지켜봐야 합니다. 실제 현장의 혹독한 트래픽 환경 속에서도 발표된 지연 시간과 음질을 일관되게 방어해 내는 것이 카르테시아의 남은 숙제입니다.