흄 AI, '보이스 컨트롤' 공개: 10개 슬라이더로 맞춤형 AI 목소리 미세 조정

AI 음성 서비스를 만들 때 가장 흔히 겪는 고민 중 하나는 목소리의 개성 부족입니다. 대형 모델들이 기본 제공하는 몇 가지 프리셋 음성은 이미 너무 익숙해져 차별화하기 어렵고, 그렇다고 텍스트 프롬프트로 미묘한 뉘앙스를 맞추자니 결과물이 들쭉날쭉하기 일쑤입니다. 실존 인물의 목소리를 복제하는 방식은 저작권과 윤리적 위험이 뒤따릅니다.

감정 음성 AI 스타트업 Hume은 11월 27일 이러한 한계를 겨냥해 'Voice Control'이라는 새로운 기능을 공개했습니다. 자사의 Empathic Voice Interface 2(EVI 2)에 도입된 실험적 베타 기능으로, 개발자가 10가지 슬라이더를 이용해 원하는 음성을 직관적으로 빚어낼 수 있게 돕습니다.

10가지 축으로 조절하는 합성 음성

Hume은 사람의 목소리 인식이 언어로 표현할 수 있는 한계보다 훨씬 미세하다는 점에 주목했습니다. 친한 친구의 목소리를 듣자마자 알아차릴 수는 있어도, 그 목소리의 특징을 말로 정확히 묘사하기 어려운 것과 같은 이치입니다.

Voice Control은 텍스트 프롬프트 대신 10개의 연속적인 차원을 슬라이더로 제공합니다. 남성성/여성성, 당당함(assertiveness), 경쾌함(buoyancy), 자신감, 열정, 비음(nasality), 편안함, 부드러움, 미적지근함(tepidity), 긴장감(tightness)이 포함됩니다.

각 항목은 기본값 0을 기준으로 -100부터 100까지 실시간 조정할 수 있습니다. Hume은 비지도 학습 기법을 적용해 각 특성을 분리해 냄으로써, 한 속성을 바꿨을 때 다른 음성 특성이 원치 않게 왜곡되는 현상을 줄였습니다. 이를 통해 세션이 바뀌어도 일관된 음성을 안정적으로 유지합니다. 다만 극단적인 수치 조합에서는 음질 안정성이 다소 떨어질 수 있어 지속적인 보완이 진행 중입니다.

왜 중요한가

우리는 Hume의 이번 접근이 음성 AI 시장에서 매우 실용적이고 영리한 선택이라고 봅니다. 많은 기업이 음성 복제 기술에 매달리다 라이선스 분쟁과 딥페이크 논란이라는 암초를 만난 반면, Hume은 실존 인물을 복제하지 않고 순수 합성 음성의 지각적 특성을 조절하는 방식을 택해 법적·윤리적 리스크를 피했습니다.

브랜드 아이덴티티가 중요한 챗봇, 게임 NPC, 헬스케어 상담 서비스를 개발하는 팀에게 이 기능은 즉각적인 도움이 됩니다. 전문 엔지니어 없이도 노코드 플레이그라운드에서 슬라이더를 몇 초 만에 움직여 보며 브랜드에 맞는 음성을 디자인하고 바로 EVI에 연동할 수 있습니다.

경쟁사들이 여전히 정적인 음성 프리셋에 머물러 있는 상황에서, 이처럼 제어 가능하고 해석 가능한 음성 조정 툴은 음성 인터페이스 개발의 새로운 기준이 될 수 있습니다. 극단적 조합에서의 음질 왜곡이라는 숙제는 남아 있지만, 남들과 똑같은 목소리를 피하고 싶은 서비스 기획자라면 지금 바로 테스트해 볼 가치가 충분합니다.