2025-12-12 | 김흥록 기자

Kakao集团的AI“Kanana-o”,韩语性能超越ChatGPT

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

据了解,Kakao集团(035720)的一体化多模态语言模型“Kanana-o”在韩语语音识别与推理方面已超越ChatGPT-4o的性能。这是自首次发布以来持续改进性能的结果。

Kakao集团12日通过技术博客公开了多模态语言模型Kanana-o与多模态嵌入(Embedding)模型“Kanana-v-embedding”的开发过程和性能。据Kakao集团在文中公开的Kanana-o基准测试评估结果,Kanana-o在英语语音性能上与GPT-4o水平相当,而在韩语语音识别与合成、情感识别能力上则显著更高。

Kakao集团今年5月曾发布Kanana-o,作为可同时理解文本、语音和图像并实时作答的一体化多模态语言模型。Kakao集团注意到现有多模态模型在文本输入时具有优势,但在语音对话时回答略显简单、推理能力下降的局限,因此在Kanana-o上着力改进指令执行能力。Kakao集团说明称,通过对高品质语音数据以及语调、情感、呼吸等进行精细学习,改进了在喜悦、悲伤、愤怒、恐惧等不同情境下生动的情感以及随细微音色与语气变化而变化的情感表达能力。Kakao集团表示:“今后将把它发展为能够实现更自然的同时对话(Full-duplex)并实时生成契合情境的声音景观(Soundscape)的进化型模型。”

同时公开的Kanana-v-embedding是可同时理解并处理文本与图像的韩国型多模态模型。它支持以文本检索图像、检索与用户所选图像相关的信息,以及检索含图像的文档等。Kakao集团方面说明称,该模型对景福宫、鲫鱼饼等韩国特有名词的理解能力非常出色。Kakao集团目前正将Kanana-v-embedding应用于内部分析与审核广告素材相似度的系统。今后计划将范围扩展至视频或语音,并应用于更多样的服务。

Kakao集团Kanana绩效负责人金炳学表示:“我们将通过实际服务环境打造用户日常生活中的AI技术体验,并致力于实现能像人一样互动的AI。”

另外,Kakao集团正在开展可在移动设备等端侧环境运行的多模态模型轻量化研究,并在筹备开发高性能、高效率模型“Kanana-2”。

? Kakao集团的AI“Kanana-o”,在韩语上性能超越ChatGPT

阅读韩文原文