[한국미래일보=유지성 대학생 기자]

단 몇 초의 음성 샘플만으로 사람의 고유한 목소리를 완벽하게 모사하는 인공지능(AI) 음성 복제 기술이 IT 및 미디어 업계를 뒤흔들고 있다. 실제 사람과 구분하기 힘든 수준으로 기술이 고도화되면서 영상·오디오 생태계의 혁신을 이끌고 있지만, 동시에 신원 도용과 가짜 뉴스 악용이라는 부작용도 함께 발생했다.

최근 IT 업계에 공개된 딥러닝 기반 음성 합성(TTS) 소프트웨어들은 단순한 텍스트 읽기를 넘어 화자의 고유한 음색, 억양, 심지어 미세한 숨소리와 감정선까지 재현해 낸다. 업계 전문가들에 따르면 최신 AI 음성 복제 모델과 실제 사람 보이스의 싱크로율은 95~99%에 달한다. 과거 기계음 특유의 끊김이나 어색함이 사라지면서, 청각만으로는 진위를 판별하기 어려운 '초실감형 오디오' 시대가 열린 것이다.

[사진=단 몇 초의 음성 데이터만으로 사람의 목소리와 감정을 복제하는 글로벌 AI 음성 생성 플랫폼 일레븐랩스(ElevenLabs)의 로고. / 자료=일레븐랩스] 이러한 기술의 파급력은 미디어 시장에서 혁신과 부작용이라는 극단적 결과를 동시에 낳고 있다. 긍정적인 측면에서는 영상 편집, 오디오북, 1인 미디어 생태계의 콘텐츠 생산성을 극대화하는 혁신 도구로 기존 대비 제작비와 시간을 80%까지 덜어냈다. 텍스트 입력만으로도 전문 방송인 수준의 더빙과 다국어 번역 음성이 가능해져 제작의 진입장벽을 크게 낮췄기 때문이다. 반면, 부작용도 잇따른다. 최근 소셜미디어(SNS)나 유튜브에 올라온 짧은 일상 영상에서 음성을 추출해 자녀의 목소리를 완벽히 복제한 뒤, 납치를 빙자해 부모에게 송금을 요구하는 '딥보이스(Deep Voice)' 피싱 피해가 속출하고 있다. 이처럼 개인의 고유한 생체 정보인 목소리가 디지털 범죄 수단으로 무단 이용될 수 있다는 우려가 커지고 있다.

[사진=AI 기술을 이용해 디지털 범죄가 발생 / 자료=Gemini 제작]

결국 핵심 과제는 기술의 발전 속도에 맞춘 제도적·기술적 방어막 구축이다. 전문가들은 AI 음성 기술을 맹목적으로 배척하기보다는, 오디오 워터마크(식별 코드) 도입 등 생성물 추적 기술을 의무화해야 한다고 지적한다. 목소리 복제 기술을 유용한 산업 도구로 수용하되, 미디어 생태계의 신뢰와 개인의 음성 권리를 보호할 수 있는 명확한 가이드라인 마련이 IT 업계의 시급한 과제로 떠올랐다.