네이버, 생성형 AI 활용한 이미지·음성 처리 기술 공개

네이버가 대화형 인공지능 에이전트 '클로바X'에 시각 정보 처리 능력을 추가한다. 사진=네이버 제공

네이버는 대화형 인공지능(AI) 에이전트 '클로바X(CLOVA X)'가 오는 27일 서비스 업데이트를 통해 시각 정보 처리 능력을 추가한다고 22일 밝혔다.

이번 이미지 기능 업데이트로 대화창에 업로드한 이미지에서 추출된 정보와 입력한 질의를 바탕으로 AI와 대화가 가능해진다. 사진 속 현상을 묘사하거나 상황을 추론하는 등 다양한 지시도 수행할 수 있게 된다.

거대 언어 모델(Large Language Model, LLM)인 하이퍼클로바X가 결합돼 더 정확하고 신뢰성 있는 서비스를 제공할 수 있다는 설명이다. 네이버는 실제 대한민국 초·중·고등학교 검정고시 총 1480개 문항을 AI 모델에 이미지 형태로 입력하고 문제를 풀게 한 결과, 클로바X는 약 84%의 정답률을 기록하며 오픈AI GPT-4o의 78%보다 높은 정답률을 보였다고 밝혔다.

또, 지난 20일엔 '클로바' 공식 사이트의 기술 블로그를 통해서 생성형 AI 기반의 음성 합성 기술도 공개했다.

네이버는 음성 멀티모달 LLM 기술로 더 편리한 서비스를 제공한다는 계획이다. 실제 네이버는 기술 블로그에서 실시간 음성 번역, 언어 학습, 상담 등 음성 멀티모달 LLM의 다양한 서비스 접목 가능성을 제시했다.

성낙호 네이버클라우드 하이퍼스케일(Hyperscale) AI 기술 총괄은 "거대 언어 모델로 출발한 하이퍼클로바X는 이미지 이해 능력을 더한 거대 시각 언어 모델(Large Vision Language Model), 나아가 음성 멀티모달 언어 모델로 발전하고 있다"며 "하이퍼클로바X의 발전된 능력은 대화형 AI 에이전트 클로바X를 비롯한 여러 네이버 서비스에 도입해 새로운 사용자 가치를 창출하고, 기업용 AI 솔루션으로도 제공하며 하이퍼클로바X 생태계를 더욱 확장해 나갈 것"이라고 말했다.