크래프톤, AI 모델 브랜드 ‘라온’ 론칭…첫 모델 4종 공개

음성·이미지 아우른 멀티모달 기술
라온-스피치, 동급 글로벌 1위 성능
실시간 양방향 음성 모델 ‘국내 최초’

크래프톤이 인공지능(AI) 모델 브랜드 ‘Raon(라온)’을 선보였다. Raon은 ‘즐거움’을 뜻하는 순우리말 ‘라온’에서 착안한 이름으로, 영문명은 ‘크래프톤(KRAFTON)’의 일부 철자를 활용해 제작됐다. AI 기술을 통해 게임의 본질적인 즐거움을 창출하고자 하는 철학을 반영했다고 크래프톤은 밝혔다.

크래프톤은 이번 출범을 맞아 첫 모델 4종을 글로벌 플랫폼 허깅페이스에 오프소스로 공개했다. 세부적으로 ▷음성 지원 거대언어모델(LLM) ‘라온-스피치(Raon-Speech)’ ▷실시간 음성 대화 모델 ‘라온-스피치챗(Raon-SpeechChat)’ ▷텍스트-음성 변환(TTS) 모델 ‘라온-오픈TTS(Raon-OpenTTS)’ ▷비전 인코더 ‘라온-비전인코더(Raon-VisionEncoder)’다.

‘라온-스피치’는 텍스트 중심 언어 모델을 확장해 음성 이해와 생성이 가능한 음성 언어 모델이다. 90억(9B) 파라미터 규모다. 10B 이하급 공개 음성 언어 모델 중 영어와 한국어 모두 글로벌 1위 성능을 기록했다고 크래프톤은 밝혔다. 이는 음성 텍스트 변환, 텍스트 음성 변환, 음성 기반 질의응답 등 7개 핵심 태스크·40개 벤치마크를 종합 평가한 결과다.

‘라온-스피치챗’은 국내에서 발표된 최초의 실시간 양방향 음성 모델이다. 사용자와 모델이 대화 중 자유롭게 끼어들 수 있는 실시간 양방향 통신(Full-duplex) 기술을 적용했다. 양방향 통신 모델 평가 벤치마크 3종에서 맞장구, 끼어들기 처리, 응답 지연 시간 등 주요 13개 태스크 평균 순위 기준 글로벌 최상위권 성능을 기록했다고 크래프톤은 설명했다.

‘라온-오픈TTS’는 공개 음성 데이터만으로 학습된 텍스트-음성 변환 모델이다. 기존에 활용이 어려웠던 일부 데이터는 직접 수집·정제하여 공개했으며, 전체 학습 데이터도 공개해 누구나 동일한 환경에서 학습을 재현할 수 있도록 했다. 크래프톤에 따르면 해당 모델은 두 음성의 자연스러움을 사람이 비교하는 블라인드 평가에서 비공개 데이터 기반 글로벌 연구용 TTS 모델들과 비교해 최상위 수준의 성능을 보였다.

‘라온-비전인코더’는 이미지를 AI가 이해할 수 있는 정보로 바꿔주는 비전 인코더다. 비전 인코더를 언어 모델과 결합할 시 시각 정보를 처리할 수 있다. 또 공개 데이터만 활용해 처음부터 자체 학습했다고 크래프톤은 강조했다.

크래프톤은 해당 기술이 일부 시각 인식 태스크에서 구글의 대표 비전 인코더 모델(SigLIP2)을 웃도는 결과를 기록했다고 언급했다. 그 외 태스크에서도 SigLIP2 대비 90% 이상의 성능을 보였다. 해당 기술은 ‘독자 AI 파운데이션 모델’ 프로젝트에서도 활용된다.

이강욱 크래프톤 최고AI책임자(CAIO)는 “이번 라온 모델 시리즈 공개는 AI 기술 역량을 축적해 나가는 과정의 중요한 이정표”라며 “대규모 학습 데이터와 핵심 모델을 오픈소스로 공유해 연구자와 개발자들이 자유롭게 활용할 수 있도록 하고, 멀티모달 기술 발전과 국내 AI 생태계의 성장에 이바지하기를 기대한다”고 밝혔다. 차민주 기자