⭐️ 인공지능(AI) - AI 블로그, 핫스팟 및 콘텐츠 허브 ⭐️ XPaper

27개 언어로 제공됩니다 📢

Amazon Nova Sonic: 보다 자연스러운 대화 시스템을 위한 혁신적인 AI 언어 모델

게시일: 2025년 4월 14일 / 업데이트일: 2025년 4월 14일 – 저자: Konrad Wolfenstein

아마존, 고급 AI 언어 모델 '노바 소닉' 출시

아마존의 노바 소닉 덕분에 더욱 자연스러운 대화가 가능해졌습니다

아마존은 노바 소닉(Nova Sonic)을 통해 음성 이해와 음성 생성을 통합하여 사용자 경험을 향상시키는 고급 AI 음성 모델을 선보입니다. 이를 통해 디지털 비서와의 더욱 자연스럽고 매끄러운 대화가 가능해집니다. 노바 소닉은 정확한 음성 인식, 빠른 응답 속도, 그리고 상황에 맞춘 적응력을 특징으로 하며, GPT-40 및 제미니(Gemini)와 같은 모델들과 직접 경쟁합니다.

이와 관련된 내용:

삼성의 혁신적인 미니 로봇: 가정용 로봇 "발리 AI"가 아마존의 아스트로 로봇과 에나봇 EBO X와 경쟁합니다

통합 아키텍처를 통한 혁신적인 언어 처리

기존의 음성 기반 AI 시스템은 일반적으로 여러 개의 개별 모델을 복잡하게 조합하여 사용합니다. 음성을 텍스트로 변환하는 음성 인식 모델, 음성을 이해하고 응답을 생성하는 대규모 언어 모델(LLM), 그리고 텍스트를 다시 음성으로 변환하는 텍스트 음성 변환 모델이 그것입니다. 이러한 파편화된 접근 방식은 시스템의 복잡성을 증가시킬 뿐만 아니라, 자연스러운 대화에 필수적인 억양, 운율, 말투와 같은 중요한 음향적 뉘앙스를 놓치게 합니다.

Nova Sonic은 근본적으로 다른 접근 방식을 통해 이러한 문제를 해결합니다. 이 모델은 음성을 기본적으로 처리하며 음성 이해와 생성을 통합 아키텍처로 결합합니다. 이러한 혁신적인 통합을 통해 시스템은 생성된 음성 응답을 음향적 맥락과 음성 입력에 맞게 조정할 수 있어 훨씬 더 자연스러운 대화를 구현합니다.

실시간 상호작용을 위한 양방향 스트리밍 API

Nova Sonic의 핵심 강점 중 하나는 Amazon Bedrock과 통합된 혁신적인 양방향 스트리밍 API 구현입니다. 이 API를 통해 다음과 같은 기능을 사용할 수 있습니다

양방향 동시 콘텐츠 스트리밍
사용자로부터 모델로의 지속적인 오디오 전송
병렬 언어 처리 및 생성
완전한 발화를 기다리는 시간 없이 실시간 모델 응답을 제공합니다

이 아키텍처는 이벤트 기반 프로토콜을 따르며, 클라이언트와 모델은 세션 수명 주기, 오디오 스트리밍, 텍스트 응답 및 도구 상호 작용을 제어하는 구조화된 JSON 이벤트를 교환합니다. 이러한 실시간 기능은 사용자와 AI 모델 간의 지연 시간을 최소화하고 상호 작용적인 통신을 위해 매우 중요합니다.

대화 속 자연스러운 뉘앙스에 대한 이해

Nova Sonic은 인간 소통의 미묘한 차이에 대한 깊은 이해가 특히 두드러집니다. 이 모델은 다음과 같은 기능을 제공합니다

화자의 자연스러운 멈춤과 머뭇거림을 이해하기
답을 얻기 위한 "적절한 시기"를 기다리는 것
방해 요소를 우아하게 처리하세요
주변 소음에도 불구하고 대화를 이어가는 것

이러한 기능 덕분에 훨씬 더 자연스러운 대화 흐름이 가능해집니다. 예를 들어, 모델은 사용자의 어조, 속도, 스타일의 미묘한 차이 등을 파악하여 자체 응답에 통합할 수 있습니다.

경쟁사 대비 뛰어난 성과

아마존은 노바 소닉을 언어 모델 분야의 선두 주자로 내세우며, 오픈AI의 GPT-40 및 구글의 제미니 플래시 2.0과 같은 경쟁 제품과의 비교 벤치마크 결과를 통해 이러한 주장을 뒷받침합니다.

뛰어난 음성 인식 정확도

Nova Sonic은 다양한 언어와 음향 환경에서 뛰어난 음성 인식 기능을 보여줍니다

다국어 LibriSpeech 데이터셋에 대한 테스트에서 해당 모델은 영어, 프랑스어, 이탈리아어, 독일어 및 스페인어에 걸쳐 평균 4.2%의 단어 오류율(WER)을 달성했습니다
이는 OpenAI의 GPT-4o Transcribe 모델의 WER보다 36.4% 낮은 수치입니다
실제 여러 화자가 참여하는 시끄러운 대화로 구성된 증강 다자간 상호 작용(AMI) 회의 벤치마크의 영어 오디오 녹음에서 Nova Sonic은 OpenAI의 GPT-4o Transcribe 모델에 비해 상대적인 단어 오류율(WER)이 24.2% 더 낮았습니다
실제 회의 상황에서 실시한 테스트에서, 영어 음성 기준으로 GPT-4o Transcribe보다 47% 더 나은 성능을 보였습니다

낮은 지연 시간과 높은 비용 효율성

Nova Sonic의 또 다른 중요한 장점은 낮은 지연 시간과 뛰어난 가격 대비 성능입니다

고객이 체감하는 지연 시간은 사용자가 통화를 종료한 시점부터 시스템에서 첫 음성 응답이 생성될 때까지 평균 1.09초입니다
이에 비해 OpenAI의 GPT-4o(실시간)의 지연 시간은 1.18초이고, Google의 Gemini Flash 2.0은 1.41초입니다
아마존에 따르면 Nova Sonic은 OpenAI의 GPT-4o보다 약 80% 저렴하여 시장에서 가장 비용 효율적인 AI 언어 모델입니다

경쟁 실시간 음성 모델과의 직접 비교 테스트에서 Nova Sonic은 인상적인 승률을 달성했습니다

미국 영어 버전(남성 목소리)에서는 GPT-40을 상대로 51%의 승률을, Gemini를 상대로는 69.7%의 승률을 기록했습니다
해당 모델은 영국식 영어에서 더 나은 성능을 보였습니다

다양한 응용 프로그램 및 통합 기능

Nova Sonic은 광범위한 응용 분야를 위해 설계되었으며 다양한 분야에서 특히 큰 잠재력을 보여줍니다.

아마존 제품 환경으로의 통합

아마존은 이미 Nova Sonic을 자사 제품 생태계에 통합하고 있습니다

이 모델의 일부 요소는 이미 아마존의 향상된 디지털 음성 비서인 알렉사+에 사용되고 있습니다
해당 모델은 아마존의 기업용 AI 애플리케이션 개발 플랫폼인 아마존 베드락에서 사용할 수 있습니다
이는 알렉사의 기술적 프레임워크를 구성하는 대규모 오케스트레이션 시스템 분야에서 아마존이 보유한 전문성을 기반으로 합니다

지능형 도구 사용 및 에이전트 기반 워크플로

Nova Sonic의 뛰어난 기능 중 하나는 외부 도구 및 서비스를 지능적으로 활용하는 능력입니다

이 모델은 가격 플랜, 재고 현황, 예약 가능 여부 등 회사 데이터를 기반으로 답변이 필요한 애플리케이션용 도구를 지원합니다
이 시스템은 사용자의 요청을 다양한 API로 전달하여 인터넷에서 실시간으로 정보를 검색하거나, 자체 데이터 소스를 분석하거나, 외부 애플리케이션과 상호 작용할 수 있습니다
Nova Sonic은 복잡한 고객 요청을 해결하고 "예약하기" 또는 "대체 항공편 찾기"와 같은 작업을 고객을 대신하여 수행할 수 있습니다
또한 엔터프라이즈 데이터에서 앵커링을 위한 검색 증강 생성(RAG)을 지원합니다

다양한 산업 분야에 적용 가능

노바 소닉은 다양한 산업 분야의 폭넓은 응용 분야에 적합합니다

컨택센터 고객 서비스 통화 자동화
여행, 교육, 의료, 엔터테인먼트와 같은 분야의 AI 에이전트
상호작용 교육 및 언어 학습
아웃바운드 마케팅 및 개인 비서 시스템

이미 여러 회사가 Nova Sonic을 사용하기 시작했습니다

ASAPP는 컨택센터를 위한 완전 대화형 생성형 AI 음성 에이전트인 GenerativeAgent에 이 모델을 사용합니다
Education First(EF)는 Nova Sonic을 사용하여 학생들이 역동적인 학습 환경에서 새로운 어휘를 연습하고 발음을 향상시킬 수 있도록 지원합니다
Stats Perform은 스포츠 데이터 분석에 해당 시스템을 사용합니다

가용성 및 기술 사양

Nova Sonic은 이제 AWS 미국 동부(버지니아 북부) 리전의 Amazon Bedrock에서 사용할 수 있습니다. 현재 지원되는 모델은 다음과 같습니다

영어 음성으로 남성 및 여성 목소리를 포함한 세 가지의 풍부한 표현력을 가진 목소리를 이용할 수 있습니다
미국식 및 영국식 악센트를 포함한 다양한 영어 발음
추가 언어 및 억양 지원은 곧 제공될 예정입니다

이 모델은 책임감 있는 AI 개발을 염두에 두고 개발되었으며 콘텐츠 검토 및 워터마킹과 같은 안전 장치가 내장되어 있습니다. 아마존은 또한 모델의 사용 사례, 제한 사항 및 책임감 있는 AI 개발 방식을 설명하는 AWS AI 서비스 카드를 제공합니다.

음성 비서 개발에 있어 중요한 진전

아마존은 노바 소닉(Nova Sonic)을 통해 AI 음성 모델 개발에 있어 상당한 진전을 이루었습니다. 음성 이해 및 생성을 위한 통합 아키텍처는 기존의 파편화된 접근 방식의 한계를 극복하여 더욱 자연스럽고 문맥에 맞는 대화 시스템을 구현합니다. 뛰어난 음성 인식 정확도, 낮은 지연 시간, 그리고 비용 효율성을 갖춘 노바 소닉은 GPT-40이나 제미니(Gemini)와 같은 기존 모델들의 강력한 경쟁자로 자리매김할 것입니다.

특히 알렉사 플러스(Alexa+)를 비롯한 아마존의 제품 생태계에 통합된 것은 아마존이 인공 일반 지능(AGI) 분야에서 야심찬 목표를 갖고 있음을 시사합니다. 외부 도구를 활용하고 기업 데이터와 상호 작용할 수 있는 노바 소닉(Nova Sonic)은 고객 서비스, 교육, 의료 등 다양한 산업 분야의 기업들에게 유망한 기회를 제공합니다.

현재는 영어가 주요 지원 언어이지만, 추가 언어 및 억양 지원 확대 발표는 향후 이 모델의 글로벌 적용 가능성을 더욱 높여줄 것입니다. 노바 소닉은 과거에는 경직되고 부자연스럽다고 여겨졌던 디지털 비서가 훨씬 더 자연스럽고 인간적인 대화 시스템으로 진화하는 데 있어 중요한 발걸음을 의미합니다.

이와 관련된 내용: