아마존, 차세대 음성 AI '노바 소닉' 공개…GPT·구글 제치고 압도적 성능

아마존이 자사 AI 음성 기술의 진화를 상징하는 ‘노바 소닉(Nova Sonic)’을 공개하며 새로운 기업형 음성 인터페이스 시장 공략에 나섰다. 음성 비서 ‘알렉사’로 이미 잘 알려진 아마존은 이번 신모델을 통해 실시간 대화형 인터페이스 구축을 원하는 써드파티 기업들을 대상으로 본격적인 기술 확장을 예고했다.

‘노바 소닉’은 음성 인식, 자연어 처리, 음성 합성을 통합한 *단일 모델 구조*가 핵심이다. 로힛 프라사드(Rohit Prasad) 아마존 AGI 부문 수석 부사장 겸 책임 과학자는 “기존에는 각기 다른 모델을 조합해 목소리를 구현했지만, 노바 소닉은 이를 하나의 모델로 통합해 대화의 ‘내용’뿐 아니라 ‘방식’까지 구현할 수 있다”고 밝혔다. 이처럼 음성의 억양, 말투, 리듬 등 *청각적 맥락*까지 반영한 기술은 사용자와 인공지능의 상호작용을 보다 인간적인 방식으로 끌어올릴 수 있다는 평가다.

노바 소닉의 또 다른 강점은 실시간 양방향 대화 처리 능력이다. 사용자가 말을 멈추거나 끼어드는 등의 실제 대화 특성을 인식하고 자연스럽게 반응한다. 특히 중간에 말을 끊어도 문맥을 유지하는 저지연 응답 기능은 *고객 서비스나 엔터프라이즈 워크플로우*에서 효과적인 활용이 예상된다. 이에 더해 노바 소닉은 음성 입력을 자동 기록하고 이를 통해 API 호출이나 전용 툴과의 연동도 가능하게 해, 복잡한 비즈니스 처리를 음성만으로 수행할 수 있다.

성능 측면에서도 아마존은 경쟁 모델 대비 우수한 평가 결과를 내세우고 있다. 영미권 남성 음성 대화 평가에서 구글 ‘제미니 플래시 2.0(Gemini Flash 2.0)’을 69.7%, 오픈AI ‘GPT-4o’를 51.0%의 승률로 앞섰다는 것이다. 다국어 환경에서도 뛰어난 성능을 보였으며, 영어, 프랑스어, 독일어, 이탈리아어, 스페인어를 대상으로 한 다국어 음성 인식 벤치마크(Multilingual LibriSpeech)에서 GPT-4o 대비 36% 이상 향상된 정확도를 기록했다.

산업 현장에서의 적용도 속도를 내고 있다. ASAPP는 콜센터 자동화에 노바 소닉을 접목해 자연스러운 대응과 워크플로우 최적화를 추진 중이며, 교육 기업 EF는 다양한 억양을 가진 학습자의 발음 교정을 위한 실시간 피드백 용도로 기술을 운용하고 있다. 스포츠 데이터 기업 Stats Perform 역시 빠른 반응성과 API 연동성을 바탕으로 실시간 인터랙티브 서비스를 구현 중이다.

속도와 비용 면에서도 강력한 경쟁력을 갖췄다. 사용자가 체감하는 응답 지연 시간은 1.09초로 측정됐으며, 이는 GPT-4o의 1.18초, 제미니 플래시의 1.41초보다 빠른 수치다. 아마존 측은 “가격 기준으로는 GPT-4o 리얼타임 대비 약 80% 저렴하다”며 본격적인 기업 도입에 최적화됐음을 강조했다.

아마존은 AI 윤리와 보안에도 각별한 주의를 기울이고 있다. ‘음성 클로닝’이나 ‘무단 모방’ 등을 방지하기 위한 안전장치를 내장하고 있으며, 각 모델의 사용 가이드라인과 한계를 명시한 ‘AI 서비스 카드’를 함께 제공해 *책임 있는 기술 활용*을 유도하고 있다.

현재 노바 소닉은 아마존 웹 서비스(AWS)의 ‘베드락(Bedrock)’ 플랫폼을 통해 공식 출시됐으며, 기업과 개발자를 대상으로 이용 신청을 받고 있다. 보다 인간적인 음성 AI를 좇는 이번 행보는, 아마존의 AI 전략이 알렉사 이후 더욱 본격적인 진화를 시작했음을 보여주는 신호탄이다.