[글로벌 AI·AX 핫뉴스 16/100] Ollama, 로컬 음성 합성 지원…기기·언어·이용 조건의 경계

AI가 쓴 답을 화면 대신 목소리로 들려주는 기능에도 별도의 배포 조건이 있다. Ollama의 새 음성 합성 지원은 글을 기기 안에서 읽어 주는 선택지를 넓혔다. 그러나 실제 적용 범위는 운영체제와 언어, 모델별 라이선스에 따라 달라진다. 국내 조직에 중요한 것은 음성이 생성된다는 사실에서 한 걸음 더 들어가, 어떤 업무에 어떤 조건으로 쓸 수 있는지를 구분하는 일이다.

Apple Silicon Mac에서 시작한 음성 합성

Ollama는 10월 24일 공식 블로그에서 첫 음성 모델로 Gradium의 Phonon을 지원한다고 밝혔다. 텍스트를 음성으로 바꾸는 TTS 기능이며, 발표 시점 제공 대상은 Apple Silicon Mac이다. Windows와 Linux 지원은 앞으로 제공할 계획으로 적혀 있다. 해당 운영체제에서 Ollama 자체가 실행된다는 사실을 이번 음성 기능의 지원 범위와 같게 볼 수는 없다.

생성 중인 소리를 순차적으로 보내는 스트리밍 방식이므로 전체 음성 파일이 완성되기 전에도 재생을 시작할 수 있다. 회사는 특정 MacBook Pro에서 측정한 성능도 소개했지만, 이는 모든 기기나 언어의 처리 속도를 보장하는 수치는 아니다. 이번 발표는 지원 시작에 관한 것으로 국가별 출시 일정이나 새로운 구독 요금표를 제시하지 않았다. 이를 국내 이용자의 생산성 개선이나 음성 서비스 운영비 절감으로 곧바로 연결할 근거도 없다.

OpenAI 호환 API와 OpenAI 서비스는 구분된다

공식 음성 문서의 예제는 OpenAI와 호환되는 speech 경로를 사용하되 요청 주소를 이용자 컴퓨터의 로컬 서버로 설정한다. 기존 SDK의 호출 형태를 활용할 수 있다는 뜻이다. 이 예제에서 OpenAI 서버가 Phonon을 처리하는 것은 아니며, OpenAI 모델이나 서비스의 제공 조건이 함께 따라오는 것도 아니다. 음성 합성 모델은 이미 작성된 텍스트를 읽는 역할을 한다. 사람의 말을 듣고 이해하거나 업무를 수행하는 대화형 에이전트 전체와는 기능 범위가 다르다.

호환에도 세부 제한이 있다. Ollama 문서는 음성 API 요청의 입력을 4,096자까지로 정하고, 지원하지 않는 출력 형식이나 지시 옵션은 오류를 반환한다고 설명한다. 긴 글을 나누는 명령행 도구의 동작과 API 한 번의 입력 한도도 서로 다르다. 따라서 같은 경로 이름을 쓴다는 이유로 모든 모델과 옵션을 그대로 교체할 수 있다고 판단하기는 어렵다. 개발 관점의 호환성은 유용하지만, 실제 적용 여부는 지원 필드와 오류 처리까지 포함하는 문제다.

공개된 모델도 상업 이용 조건은 서로 다르다

Phonon이라는 같은 이름 아래에서도 이용 조건이 갈린다. Gradium의 공식 모델 카드에 따르면 영어용 phonon-31m-en의 가중치·토크나이저·음성은 상업 이용을 허용하는 Apache 2.0으로 제공된다. Ollama의 기본 Phonon이 사용하는 것도 이 영어 체크포인트다. 반면 40M 계열과 해당 다국어 모델에는 CC BY-NC 4.0이 붙어 있다. 모든 모델을 같은 조건의 공개 소프트웨어로 묶으면 상업적 활용 가능성을 잘못 판단할 수 있다.

Creative Commons의 해당 조건 설명은 비상업적 이용, 적절한 저작자 표시, 변경 표시 등을 구분한다. 파일을 내려받을 수 있거나 구동 비용을 직접 부담한다는 사실이 사용 권한을 넓혀 주지는 않는다. 또한 음성 목록의 라이선스와 실제로 선택한 모델의 라이선스는 각각 확인할 대상이다. Gradium은 별도의 음성 목록을 공개하고 있으며 이 목록에는 Apache 2.0이 표시돼 있다. 공개된 목소리를 선택하는 기능을 임의 인물의 목소리를 복제할 권한으로 바꿔 읽을 수도 없다. 상업 서비스의 검토 단위는 제품군 이름보다 선택한 모델과 음성 자산, 사용 목적의 조합에 가깝다.

다국어 표시가 한국어 지원을 뜻하지는 않는다

발표된 언어는 영어·프랑스어·독일어·스페인어·포르투갈어다. 다국어 모델도 이 다섯 언어를 가리키므로 한국어까지 포함한다고 해석할 수 없다. Gradium 모델 카드는 지원 목록 밖의 언어를 입력하면 발음이 잘못될 수 있다고 설명한다. 해외 고객용 안내나 외국어 콘텐츠를 검토하는 국내 조직과 한국어 상담·낭독을 준비하는 조직이 이 발표를 같은 도입 신호로 받아들이기 어려운 이유다.

텍스트를 제대로 읽는지도 언어별 문제다. 모델 카드는 숫자와 통화, 날짜 등을 음성으로 바꾸기 전에 해당 언어에 맞춰 정규화한다고 설명한다. 긴 글은 문장 단위로 나뉘어 전체 글의 운율이 이어지지 않는다는 한계도 적었다. 국내 검토에서는 고유명사와 상품명, 금액이 섞인 실제 문장이 별도 평가 대상이 될 수 있다. 이는 한국어 지원이나 품질을 확인했다는 뜻이 아니다. Gradium이 소개하는 다른 실행 환경과 Ollama의 운영체제별 지원 일정도 각각의 범위로 읽어야 한다.

로컬 실행 여부와 합성 음성 고지를 함께 살핀다

로컬이라는 표현은 데이터 흐름을 읽는 출발점이다. Ollama의 FAQ는 로컬 실행 시 회사가 프롬프트와 데이터를 보지 않는다고 설명하면서 클라우드 모델을 사용할 때의 처리는 따로 구분한다. 클라우드 모델과 웹 검색을 끄는 로컬 전용 설정도 제공한다. 따라서 음성 합성만 로컬에서 실행하고 답변 생성은 외부 모델에 맡기는 구성이라면 전체 과정이 기기 안에서 끝난다고 할 수 없다. 입력 텍스트의 생성 경로와 연결 서비스까지 확인돼야 데이터 처리 범위를 설명할 수 있다.

이용자에게 들리는 목소리의 성격도 별도 판단 사항이다. OpenAI의 공식 TTS 안내는 해당 서비스를 이용할 때 AI가 만든 음성이라는 사실을 최종 이용자에게 명확히 고지하도록 요구한다. Microsoft의 합성 음성 고지 지침은 사용 맥락과 청취자의 기대에 맞춰 고지 시점과 방식을 정하도록 설명한다. 두 자료는 Ollama에 자동 적용되는 약관이 아니라 음성 서비스 운영을 해석하는 별도 배경이다. 검토 질문은 선택한 모델의 이용 조건, 처리 경로, 언어별 품질과 함께 이용자가 합성 음성임을 언제 알게 되는지까지 이어진다. 각 답은 해당 구현과 계약, 실제 평가로 확인할 사항이다.

이번 발표는 음성 기능의 적용 장소가 클라우드 밖으로도 넓어지고 있음을 보여준다. 다만 실행 장소와 이용 권한, 언어 지원은 각각 다른 조건이다. 국내 적용의 판단도 빠른 시연 한 장면보다 이 조건들이 실제 업무에서 만나는 지점을 설명할 수 있는가에 달려 있다.

글로벌 AI·AX 핫뉴스 연재 모아보기 →