보이시모드, 1450만 달러 유치…실시간 AI 음성 변조 고도화

통화 버튼을 누르고 상대방에게 건네는 첫마디가 "지금 말하는 게 진짜 네 목소리 맞아?"가 되는 날이 머지않았습니다.

게이머용 음성 변조 소프트웨어로 잘 알려진 스페인 스타트업 보이스모드(Voicemod)가 1450만 달러 규모의 신규 투자를 유치했습니다. 2014년 설립된 이 회사는 데스크톱 앱 누적 다운로드 4000만 건 이상, 월간 활성 사용자(MAU) 330만 명을 보유하고 있습니다. 이번 라운드는 스페인 벤처캐피털 Kfund의 리드윈드(Leadwind)가 주도했으며, 전 디스코드 CMO가 이끄는 미니펀드(Minifund)와 비트크래프트 벤처스(Bitkraft Ventures)가 참여했습니다.

그동안 보이스모드의 본업은 디지털 신호 처리(DSP) 기술을 바탕으로 게임 중 목소리에 효과를 주거나 효과음을 재생하는 기능이었습니다. 이제 이들은 생성형 AI를 결합해 단순한 목소리 변조를 넘어 전혀 새로운 목소리를 실시간으로 입는 플랫폼으로 진화하려 합니다.

목소리를 옷처럼 갈아입는 기술

기존 방식이 사용자의 실제 목소리에 음조를 올리거나 울림을 주는 필터 수준이었다면, 생성형 AI는 완전히 합성된 가상의 음성을 실시간으로 착용할 수 있게 해줍니다. 소셜 미디어의 얼굴 필터처럼 목소리 자체를 다른 사람이나 캐릭터의 음성으로 실시간 교체하는 것입니다.

특히 보이스모드가 공을 들이는 영역은 노래 음성을 다른 목소리로 바꾸는 실시간 노래 변환(sing-to-sing)입니다. 방 안에서 마이크를 잡고 노래를 부르면, 출력되는 소리는 전설적인 록스타의 음색으로 즉시 바뀝니다. 모델만 충분하다면 혼자서 여러 멤버의 파트를 넘나들며 합창을 구현할 수도 있습니다.

보이스모드는 지난해 뮤지션 홀리 헌던(Holly Herndon)의 AI 보이스 클론을 개발했던 음향 기술 스타트업 복트로 랩스(Voctro Labs)를 인수했습니다. 이후 12월 텍스트로 노래를 만드는 기능을 선보였으며, 현재는 자체 DSP 기술과 복트로의 모델을 합쳐 실시간 음성 대 음성 변환 엔진을 구축하고 있습니다. 이 기술은 일반 앱뿐만 아니라 게임, 앱, 하드웨어에 탑재할 수 있도록 SDK와 API 형태로도 제공됩니다.

왜 중요한가

보이스모드의 이번 행보는 목소리가 텍스트나 이미지처럼 자유롭게 갈아입을 수 있는 소프트웨어 계층으로 변하고 있음을 보여줍니다.

일반 사용자와 창작자 입장에서는 오디오 콘텐츠 제작의 문턱이 완전히 사라집니다. 노래 실력이나 타고난 목소리와 상관없이 원하는 캐릭터의 목소리로 숏폼 영상을 더빙하거나 스트리밍을 진행할 수 있습니다. 화상 회의에서 목소리를 한결 또렷하고 듣기 좋게 다듬어주는 일종의 음성 화장품으로도 활용 가치가 충분합니다.

업계 관점에서 보면 보이스모드의 가장 영리한 점은 기존 배포망입니다. 330만 명의 게이머 사용자가 매일 디스코드 등에서 프로그램을 켜두고 있는 상태이기 때문에, 새로운 AI 모델을 선보였을 때 별도의 사용자 확보 비용 없이 즉각 반응을 끌어낼 수 있습니다.

반면 보안과 정체성 문제는 심각한 숙제입니다. 실시간 음성 복제가 보편화되면 현재 금융권에서 도입 중인 음성 지문 기반의 본인 인증 체계는 순식간에 무력화될 수 있습니다. 음성 복제 기술의 진화 속도에 맞춘 신원 검증 대책이 시급해 보입니다.