구글, 1,000개 언어 지원 음성 AI 모델 ‘USM’ 세부 내용 공개

생성형 챗봇 시장을 두고 빅테크 간의 주도권 다툼이 치열한 가운데, 구글이 텍스트 너머의 음성 인식 기술에서 새로운 진전을 내놓았습니다.

구글은 현지 시간 6일, 전 세계 1,000개 언어를 지원하는 AI 모델을 구축하기 위한 핵심 기반으로 '유니버설 스피치 모델(USM)'의 최신 정보를 공개했습니다.

20억 개 파라미터로 무장한 음성 모델

구글은 지난해 11월 1,000개 언어 프로젝트를 발표하며 USM의 존재를 처음 알렸습니다. 이번 업데이트는 그간의 훈련 규모와 성과를 구체적으로 다루고 있습니다.

USM은 20억 개의 파라미터를 가진 음성 모델 제품군입니다. 구글은 이를 위해 300개 이상의 언어로 구성된 1,200만 시간 분량의 음성과 280억 개의 문장 데이터를 학습에 활용했습니다.

현재 USM은 100개 이상의 언어를 지원합니다. 영어와 표준 중국어뿐만 아니라 암하라어, 세부아노어, 아삼어 등 상대적으로 데이터가 부족한 언어까지 자동으로 감지하고 번역할 수 있습니다.

유튜브 자막 적용과 AR 안경의 미래

이 기술은 이미 실제 서비스에 쓰이고 있습니다. 구글에 따르면 현재 유튜브의 자동 자막 생성 기능에 USM이 적용되어 작동 중입니다.

향후에는 하드웨어 기기와의 결합도 기대되는 부분입니다. 구글이 작년 I/O 행사에서 선보였던 AR 스마트 안경 콘셉트처럼, 상대방의 말을 실시간으로 번역해 눈앞에 띄워주는 기술의 엔진 역할을 할 수 있습니다.

다만 완전한 상용화까지는 갈 길이 멉니다. 작년 I/O 시연 당시 아랍어 표기 오류가 발생했던 것처럼, 언어적 디테일을 완벽히 다루기는 여전히 까다롭습니다. 메타 역시 유사한 다국어 번역 도구를 개발 중이지만 아직 초기 단계에 머물러 있습니다.

왜 중요한가

사용자 관점에서 이 기술은 그동안 디지털 서비스에서 소외되었던 소수 언어 화자들이 모국어로 웹 생태계에 참여할 수 있는 길을 열어줍니다. 일반 이용자 역시 유튜브 등에서 외국어 영상의 자막 품질이 한층 개선되는 혜택을 즉각 체감할 수 있습니다.

산업 측면에서는 챗봇 경쟁에 쏠린 시선을 멀티모달 음성 영역으로 넓히는 계기가 됩니다. 구글은 유튜브라는 방대한 실제 오디오 플랫폼을 무기로 삼아 데이터와 인프라 면에서 경쟁사들이 쉽게 따라오기 힘든 방어벽을 세우고 있습니다.

단순히 벤치마크 점수 경쟁에 매몰되지 않고 1,000개 언어라는 장기적인 인프라를 다지는 구글의 접근은 영리하다고 판단됩니다. 다만 데이터가 극히 적은 언어에서 발생하는 오번역과 왜곡 문제를 어떻게 해결할지는 앞으로 지켜봐야 할 숙제로 보입니다.