[News]글로벌 AI판, '보이스 에이전트' 경쟁 후끈...K-스타트업도 본격 참여

눈으로 보는 텍스트나 이미지를 넘어 ‘귀로 듣고 말하는’ 보이스 AI(Voice AI)를 향한 테크 업계 행보가 빨라지고 있다.

보이스 AI는 단순히 글자를 음성으로 변환(TTS)하는 것을 넘어 사람처럼 감정을 섞어 대화하고 실제 업무까지 수행하는 ‘보이스 에이전트’(Voice Agent) 수준으로 진화하고 있다.

과거 보이스 AI가 텍스트를 입력하면 로봇 같은 목소리로 읽어주는 ‘낭독기’에 불과했다면, 최근 보이스 AI는 ‘실시간 대화’에 초점이 맞춰져 있다. 단순 TTS를 넘어 실시간 음성 대화(S2S), 음성 인식(STT), 보이스 클로닝, 그리고 전화나 앱에서 업무를 수행하는 보이스 에이전트까지 확장되고 있다는게 업계 설명이다.

보이스AI 가장 큰 수요처로는 컨택센터(콜센터)가 꼽힌다. 이미 상담원 업무를 대체하거나 보조하는 수준을 넘어, 정책 준수 여부 확인이나 CRM 연동 등 고도화된 기능을 갖춘 보이스 AI 도입이 늘고 있다.

2025년을 기점으로 보이스 에이전트를 둘러싼 판도 커지고 있다. 기존에는 음성을 텍스트로 바꾸고(STT), 이를 AI가 이해한 뒤 다시 텍스트를 생성해 음성으로 합성(TTS)하는 복잡한 단계를 거쳤지만, 최근에는 이 과정을 한 모델로 통합한 ‘단일 실시간 음성-음성 모델’로 전환이 구체화되고 있다.

시장조사업체 그랜드 뷰 리서치에 따르면 대화형 AI(Conversational AI) 시장은 2024년 약 115억 달러에서 2030년 약 414억 달러(약 58조 원) 규모로 연평균 23.7% 성장할 것으로 전망된다.

이런 가운데 유력 테크 기업들도 보이스 AI를 전진배치하고 나섰다. 오픈AI(OpenAI)는 '리얼타임 API’(Realtime API)를 정식 출시하며 전화망 연동과 이미지 입력까지 가능한 프로덕션급 음성 에이전트 기능을 전면에 내세웠다.

구글도 '제미나이 라이브’(Gemini Live)를 통해 45개 이상 언어로 실시간 음성 대화 서비스를 확장했으며, 스마트홈 영역에서도 기존 구글 어시스턴트를 대체하는 '제미나이 포 홈’(Gemini for Home) 확산에 나섰다.

아마존 역시 생성형 AI를 탑재한 '알렉사 플러스’(Alexa+)를 통해 보이스 AI 확장에 속도를 내고 있다. 애플은 30일 이스라엘 오디오 AI 스타트업 Q.AI를 인수했다. Q.AI는 속삭이는 음성을 감지하고 소음 속에서도 오디오를 선명하게 만드는 기술을 개발하고 있다. 애플은 지난해 에어팟에 실시간 번역을 포함해 AI 기능들을 추가해왔다. Q.AI는 미세한 안면 근육 활동을 감지하는 기술도 보유해 애플 비전 프로 헤드셋 개선에도 기여할 수 있을 것으로 보인다.

'국내 기업들 행보도 구체화되고 있다. 국내 스타트업 휴멜로도 2025년 '다이브’(DIVE, Deep-context Interactive Voice Engine)' 엔진을 공개했다.

회사 측에 따르면 다이브는 단순히 텍스트를 읽는 것을 넘어 대화 맥락과 상대 감정을 파악한다. 고객이 화가 난 목소리로 불만을 제기하면, AI가 이를 인지해 차분하고 공감하는 어조로 사과하고 대응하는 식이다.

권용석 휴멜로 대표는 "정부 AI 육성 의지와 기업들 기술 혁신이 맞물려 한국은 보이스 AI 후발주자가 아닌 글로벌 선두권을 형성하고 있다"며 "휴멜로의 DIVE 엔진은 인간의 감성을 이해하고 소통을 돕는 가장 인간적인 기술로 글로벌 시장에서 K-AI의 위상을 높일 것"이라고 말했다.

AI 성우 서비스 '타입캐스트'를 제공하는 네오사피언스도 최근 165억원 규모 프리 IPO 투자를 받았다.

황치규 기자 delight@d-today.co.kr