[비즈니스포스트] 카카오가 고도화된 멀티모달 언어모델 2종의 성능을 공개했다.

카카오는 12일 테크블로그를 통해 한국적 맥락 이해가 강점인 멀티모달 언어모델 ‘카나나-o’와 멀티모달 임베딩 모델 ‘카나나-v-임베딩’의 개발 과정과 성능을 12일 공개했다. 

먼저 ‘카나나-o’는 텍스트와 음성, 이미지를 동시에 이해하고 실시간으로 답변하는 통합 멀티모달 언어모델이다. 

글로벌 모델 대비 한국어 맥락 이해에서 압도적 성능을 보유하고, 사람처럼 자연스럽고 풍부한 표현력을 갖추고 있는 것이 특징으로 지난 5월 처음으로 성능을 공개했다. 

카카오는 기존 멀티모달 모델들이 텍스트 입력 시 강점을 보이지만 음성 대화 시에는 답변이 다소 단순해지고 추론 능력이 떨어진다는 한계에 주목해 카나나-o의 지시이행 능력을 고도화했다. 

이와 함께 자체 구축한 데이터셋으로 학습을 진행함으로써 다양한 모달리티의 입출력에 대해서도 기존 언어모델의 성능을 유지하고, 단순 질의응답을 넘어 요약, 감정 및 의도 해석, 오류 수정, 형식 변환, 번역 등 다양한 과업을 수행할 수 있도록 성능을 끌어올렸다.

카카오에 따르면 벤치마크 평가 결과 카나나-o는 영어 음성 성능에서 GPT-4o와 유사한 수준, 한국어 음성 인식 및 합성, 감정 인식 능력에서는 월등히 높은 수준을 기록했다. 

함께 공개된 ‘카나나-v-임베딩’은 이미지 기반 검색의 핵심 기술로, 텍스트와 이미지를 동시에 이해해 처리할 수 있는 한국형 멀티모달 모델이다. 텍스트로 이미지를 검색하거나, 사용자가 선택한 이미지와 관련된 정보를 검색하고, 이미지가 포함된 문서 검색 등을 지원한다.  

이 모델은 특히 실제 서비스 적용을 목표로 개발되어 한국어와 한국 문화에 대한 이해도가 높다는 점이 특징이다. 

카나나-v-임베딩은 현재 카카오 내부에서 광고 소재의 유사도를 분석 및 심사하는 시스템에 적용되어 있으며, 향후 비디오나 음성으로 범위를 확대해 더욱 다양한 서비스에도 적용할 계획이다.

김병학 카카오 카나나 성과리더는 “카카오의 자체 AI 모델 카나나는 단순한 정보 나열 수준을 넘어, 사용자의 감정을 이해하고 자연스럽게 대화하는 AI가 될 수 있도록 한국적 맥락의 이해와 표현력을 높여가고자 한다”며 “실제 서비스 환경을 통해 사람처럼 상호작용 할 수 있는 AI의 구현에 주력해 갈 것”이라고 말했다. 정희경 기자