ChatGPT 음성 개발자 출신이 세운 웨이브폼스, "음성 튜링 테스트 통과 목표"

기존 음성 비서와 대화할 때 느껴지는 어색함은 기술적인 태생에서 비롯됩니다. 사용자가 한숨을 쉬든 비꼬듯 말하든, 시스템은 음성을 텍스트로 먼저 변환한 뒤 처리하기 때문에 음조나 감정 같은 핵심 맥락이 중간에서 전부 사라져 버립니다.

보도에 따르면, ChatGPT의 고급 음성 모드(Advanced Voice Mode) 개발에 핵심적으로 기여했던 Conneau가 신생 스타트업 WaveForms를 설립했습니다. 이들이 내건 목표는 명확합니다. 인간과 기계의 음성 대화를 구별할 수 없는 수준을 뜻하는 이른바 ‘음성 튜링 테스트’를 통과하는 것입니다.

텍스트 변환의 굴레에서 벗어나기

현재 대다수 음성 AI는 음성-텍스트 변환(STT)에 크게 의존하고 있습니다. 하지만 사람이 말할 때 전달되는 정보의 상당 부분은 단어 자체가 아니라 억양, 말의 빠르기, 감정선에 담겨 있습니다.

WaveForms는 이러한 한계를 극복하기 위해 인간 발화의 감정적 맥락을 깊이 이해하는 AI 모델을 구축하고 있습니다. 감정을 정확히 해석해 반응하고, 미묘한 뉘앙스를 파악해 사람과 사람 사이의 대화처럼 자연스러운 상호작용을 구현하겠다는 구상입니다.

B2C에서 데이터를 쌓고 B2B로 확장

사업 전략 측면에서 WaveForms는 우선 일반 소비자용 애플리케이션에 집중할 계획입니다.

소비자 대상 서비스를 먼저 선보여 실제 사용자들로부터 가치 있는 대화 데이터를 확보하고, 이를 통해 모델을 더 정교하게 다듬기 위함입니다. 이후 교육, 의료, 고객 서비스 등 공감 능력이 필수적인 기업용 시장으로 영역을 넓힌다는 전략입니다.

왜 중요한가

일반 사용자 입장에서 당장 내려받아 쓸 수 있는 상용 서비스가 나온 것은 아니지만, 기계 특유의 책 읽는 듯한 어조에서 벗어나 감정을 주고받는 음성 비서의 등장이 머지않았음을 보여줍니다.

업계 전반으로 보면, OpenAI의 핵심 음성 기술을 이끌던 인재가 독립하면서 음성 파운데이션 모델 시장의 경쟁 구도가 흔들릴 가능성이 큽니다. OpenAI는 물론 Google, ElevenLabs 같은 기존 음성 AI 강자들도 텍스트 기반 파이프라인에서 감정을 직접 다루는 엔드투엔드 음성 모델로의 전환을 더 서두를 수밖에 없습니다.

소비자용 제품부터 시작해 데이터를 수집하겠다는 접근은 영리해 보입니다. 감정의 미묘한 결은 연구실 데이터셋만으로 완성하기 어렵고, 실제 사람과의 일상 대화 속에서만 정밀하게 조율될 수 있기 때문입니다. 다만 목소리의 억양과 감정까지 사람과 완전히 똑같아질 경우 발생할 수 있는 딥페이크 사기나 과도한 정서적 의존 문제에 대한 대비책은 여전히 숙제로 남아 있습니다.