글로벌 언어 AI 기업 딥엘(DeepL)이 자사 음성 AI 기술인 딥엘 보이스(DeepL Voice)의 대규모 업데이트를 발표했다. 독립 평가 기관 슬레이터(Slator)로부터 AI 번역 자막 정확도 부문 1위를 기록했던 딥엘 보이스는 이번 신규 보이스 모델을 통해 단순 번역을 넘어 화자의 고유한 음성 특성까지 실시간으로 보존한다.
기존 AI 음성 번역 기술이 속도와 정확도 중심으로 발전해 왔다면, 이번 신규 모델은 발화 언어를 이해하는 방식에 영향을 미치는 미묘한 음성 단서와 인간적 요소를 보존하는 데 초점을 맞췄다. 화자가 무엇을 말하는지뿐만 아니라 어떻게 말하는지를 반영해 말투, 리듬, 속도, 억양 등을 유지함으로써 줌(Zoom), 마이크로소프트 팀즈(Microsoft Teams), 구글 미트(Google Meet) 등에서 기계음이 아닌 실제 화자의 특성이 전달되도록 지원한다.
특히 신규 모델은 한국어를 포함한 14개 언어에서 여러 참가자가 동시에 말하는 환경이더라도 각 화자의 고유한 음성 특성을 정확히 구분해 유지하는 음성 보존 기술을 제공한다. 이와 함께 질문의 뉘앙스, 망설임, 긴박함, 기대감 등 음성에 담긴 다채로운 감정과 표현 요소를 번역 오디오에 그대로 살려내며, 낮은 지연 시간을 기반으로 실시간 대화 속도와 맥락을 매끄럽게 보존한다. 음성 간 번역 지원 언어 역시 30개 이상으로 대폭 확대되어 글로벌 소통의 범위를 늘렸다.
이와 함께 딥엘은 윈도우(Windows)와 맥(Mac)에서 사용할 수 있는 전용 보이스 데스크톱 앱을 새롭게 출시했다. 신규 앱은 별도의 추가 연동 없이 주요 화상회의 플랫폼과 상시 작동하며, 통화를 자동으로 감지해 실시간 번역 자막을 상시 오버레이 형태로 구현한다. 이를 통해 사용자는 발표 및 메모 작성 중에도 자막을 확인하고, 필요에 따라 자막 읽기에서 음성 간(Voice to Voice) 번역으로 자유롭게 전환할 수 있다. 해당 데스크톱 앱을 통한 보이스 투 보이스 기능은 온라인 미팅, 대면 대화 및 딥엘 API 상에서 정식 제공된다.
야렉 쿠틸로브스키 딥엘 창업자 겸 대표는 음성은 스스로를 드러내는 방식이며 단순한 단어 이상의 의미가 있다며 딥엘 보이스는 자막 번역을 넘어 실시간으로 사용자의 정체성, 감정, 말하는 타이밍까지 보존하는 오디오 기반 AI 시스템으로 발전하고 있다고 설명했다. 이어 사용자들이 AI로 대화하고 있다는 사실을 잊을 만큼 자연스러운 음성 경험과 인간적인 요소를 제공하겠다고 강조했다.
세바스찬 엔더라인 딥엘 최고기술책임자(CTO)는 이번 기능 구현을 위해 음성의 고유한 정체성을 유지하는 동시에 번역 품질과 낮은 지연 시간을 모두 확보해야 하는 기술적 과제가 존재했다며 기술적 역량을 한 단계 끌어올린 전환점이자 사람들이 언어를 넘어 소통할 때 기대하는 새로운 기준이 될 것이라고 평가했다.
딥엘은 이번 업데이트를 바탕으로 기업용 비즈니스 회의, 고객 서비스, 엔터프라이즈 환경 전반으로 실시간 음성 AI 적용을 확대할 계획이며, 신규 기능 및 기술에 대한 상세 정보는 딥엘 공식 웹사이트를 통해 확인할 수 있다.
이미지 제공: 딥엘
