글로벌 인공지능(AI) 패권 경쟁이 심화되면서 각국이 자국의 언어·데이터·인프라를 기반으로 한 ‘소버린 AI(Sovereign AI)’ 구축에 속도를 내고 있다.
소버린 AI는 단순히 AI를 보유하는 차원을 넘어, 국가의 언어와 문화, 산업 데이터를 외부 의존 없이 스스로 통제·운영할 수 있는 AI 주권을 의미한다. 특히 음성 AI는 언어 주권을 좌우하는 핵심 기술로 평가된다.
이러한 흐름 속에서 페르소나에이아이(대표 유승재, 이하 페르소나AI)는 한국어의 특성을 구현한 차세대 음성 AI 모델 ‘SSTT(Sovereign AI Speech to Text)’를 19일 공개했다. 회사는 해당 모델을 2년간 개발했다고 밝혔다.
페르소나AI에 따르면, SSTT는 단순한 음성 인식을 넘어 국내 최고 수준의 음성 데이터 정밀도를 갖춘 것이 특징이다. 4000만 개 이상의 한국어 발화 데이터셋(약 5만 시간 이상 음성 데이터)을 학습했으며, 전체 학습량의 4분의 1 수준인 1만3200시간을 사투리 데이터에 할애했다. 이를 통해 경상·전라·충청·강원·제주 등 5대 권역별 방언과 고유 어휘를 정밀하게 구분한다. 또한, AI가 인식하기 어려운 짙은 방언, 고유 어휘, 60대 이상 고령 화자의 음성 특성까지 반영했다.
특히, 표준어 중심의 기존 음성 인식 한계를 넘어, 한국어 사투리 인식과 화자분리가 가능하도록 설계돼 실시간 및 오프라인에서도 동작한다. 잡음·반향 감쇄, 원거리 인식을 위한 자동이득제어(AGC), 딥러닝 기반 음성구간 검출, 화자변곡점 검출 등 전 처리 기능을 지원한다.
기존의 음성 인식 모델(STT, Speech to Text)은 소리를 텍스트로 변환하는 핵심 기술이지만, 사투리·억양·속도 차이로 인해 실제 산업 현장에서는 인식 정확도가 낮다는 한계가 있어 콜센터, 공공 민원, 의료·제조 현장 등에서 활용에 제약이 있었다.
페르소나AI는 SSTT를 통해 이러한 한계를 개선하는 데 초점을 맞췄다. 최대 20명까지 화자 분리가 가능하도록 설계돼, 다자간 동시 대화 상황에서도 ‘누가, 어떤 말을 했는지’를 정확히 구분할 수 있다. 회사는 이를 통해 회의 기록, 현장 관제, 다중 사용자 인터페이스 등 다양한 산업 환경에 적용할 수 있도록 개발했다고 설명했다.
이 같은 기술적 진보는 피지컬 AI(Physical AI) 시대를 대비한 핵심 요소로 평가된다. 앞으로 로봇, 키오스크, 산업 장비, 자율 시스템 등 대부분의 피지컬 AI 기기는 음성을 중심으로 제어·상호작용하게 될 것으로 전망된다. 이 과정에서 특정 국가나 기업의 외산 음성 모델에 의존할 경우, 데이터 주권·보안·서비스 연속성 측면의 구조적 리스크가 발생할 수 있다.
업계에서는 페르소나AI의 차세대 음성 AI 모델을 소버린 AI 관점에서 중요한 전략 자산으로 평가하고 있다. 한국어, 특히 지역 사투리까지 정밀하게 인식하는 대형 음성 모델은 단기간에 외부에서 대체하기 어려운 기술로, 국가 차원의 AI 주권 확보에도 직결된다는 분석이다.
페르소나AI는 AI 모델 개발부터 산업별 솔루션화까지 수행하는 기업으로, AICC(AI 컨택센터)와 생성형 AI(Gen AI) 분야를 주력으로 하고 있다. 최근에는 작년에 이어 CES 2026 혁신상을 수상하며 2년 연속 3관왕을 기록했다. 또한 로봇과 기기 제어에 활용되는 VLA(Vision-Language-Action) 기술도 개발 중이다.
페르소나AI 관계자는 “소버린 AI 경쟁에서 가장 중요한 것은 단순한 모델 규모가 아니라, 자국 언어와 실제 산업 환경을 얼마나 깊이 이해하느냐”라며 “SSTT는 한국형 소버린 AI의 실질적 기반이 될 수 있는 핵심 모델”이라고 말했다.
한경닷컴 뉴스룸 open@hankyung.com
관련뉴스
