Hume AI, 프롬프트로 맞춤 음성과 성격을 생성하는 EVI 3 공개

기존 음성 AI와 대화할 때마다 느껴지던 특유의 기계적인 이질감, 즉 아무리 목소리가 매끄러워도 상대방의 감정 변화를 전혀 눈치채지 못하던 한계가 깨지고 있습니다.

감정 특화 AI 스타트업 흄 AI가 차세대 음성 언어 파운데이션 모델 EVI 3를 공개했습니다. 텍스트 변환과 거대언어모델, 음성 합성을 따로 이어 붙이는 대신, 하나의 모델이 음성을 직접 듣고 생각하며 말하는 엔드투엔드 음성 대 음성 모델입니다.

프롬프트 한 줄로 구현하는 성격과 30가지 감정 표현

기존 음성 모델이 몇 가지 정해진 목소리만 제공했던 것과 달리, EVI 3는 텍스트 프롬프트만으로 원하는 모든 음성과 성격을 실시간으로 만들어냅니다.

기존 플랫폼에 등록된 10만 개 이상의 커스텀 음성을 즉시 불러올 수 있으며, 문맥에 따라 혹은 사용자의 지시에 맞춰 감정 톤을 자유자재로 조절합니다. 숨이 턱 끝까지 찬 목소리, 속삭임, 비꼬는 말투, 해적 흉내 등 30가지에 달하는 독특한 스타일을 실시간 대화 중에 구현해냅니다.

상대방의 목소리 톤을 읽어내는 감정 인식 능력도 강화되었습니다. 똑같은 대사를 읊더라도 목소리의 높낮이나 떨림을 분석해 공포, 분노, 슬픔 등 9가지 감정을 분별해냅니다. 오픈AI의 GPT-4o와 진행한 블라인드 비교 평가에서 참가자들은 공감도, 표현력, 자연스러움, 오디오 품질, 끼어들기 대응 등 전 부문에서 EVI 3에 더 높은 점수를 주었습니다.

반응 속도 역시 대폭 개선되었습니다. 최신 하드웨어 기준 이론상 300밀리초 미만의 지연 시간을 기록할 수 있으며, 미국 서부 서버를 뉴욕에서 실제 측정한 웹 앱 환경에서도 평균 1.2초 수준의 지연 속도를 보여 2.6초대를 기록한 GPT-4o 실시간 API보다 빠른 응답성을 보였습니다. 발화 도중 백그라운드에서 추론 모델과 웹 검색을 병행하는 구조도 갖췄습니다.

현재 공식 웹사이트 데모와 iOS 앱을 통해 직접 체험해볼 수 있으며, 개발자용 API는 수주일 내로 공개될 예정입니다.

왜 중요한가

우리는 EVI 3가 음성 AI의 역할을 단순 업무 명령 수행기에서 진정한 상호작용 파트너로 전환시키는 계기가 될 것으로 봅니다.

가상 캐릭터나 힐링 챗봇, 게임 내 NPC, 인터랙티브 교육 콘텐츠를 개발하는 팀이라면 지금 바로 테스트해볼 가치가 충분합니다. 수천만 원을 들여 성우를 섭외하고 미세 조정을 거치지 않아도, 텍스트 프롬프트 하나로 고유한 페르소나를 구축할 수 있어 제작 비용이 획기적으로 줄어듭니다. 다만 간결하고 명확한 안내가 핵심인 일반 고객센터 업무에서는 지나친 감정 연출이 오히려 사용자를 피로하게 만들 수 있어 적용 분야를 가릴 필요가 있습니다.

업계 차원에서는 거대 빅테크와의 차별화 가능성을 입증했다는 점이 돋보입니다. 오픈AI나 구글이 범용 지능에 음성을 부가 기능처럼 얹는 동안, 흄 AI는 감정선과 운율이라는 디테일에 집중해 대화의 질감을 한 단계 끌어올렸습니다.

하지만 감정 표현이 지나치게 인간과 흡사해질수록 부작용에 대한 우려도 커질 수밖에 없습니다. 울먹이거나 다급해하는 목소리를 악의적으로 모방해 피싱이나 감정적 사기에 악용할 경우, 일반인이 이를 기술적으로 판별하기는 매우 어렵습니다. 뛰어난 표현력만큼이나 안전 장치 마련이 시급해 보입니다.