2026-01-19 | 김동호 기자

主权AI竞争中“韩语语音主权”升温……Persona AI发布能听懂方言的语音AI

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。

随着全球人工智能(AI)霸权竞争加剧,各国正加快构建以本国语言、数据与基础设施为基础的“主权AI(Sovereign AI)”。主权AI并非仅指拥有AI,而是指国家能够在不依赖外部的情况下自主控制、运营本国语言、文化与产业数据的AI主权。其中,语音AI被评价为直接决定语言主权的核心技术。在这一趋势下,Persona AI(代表刘承载,以下简称Persona AI)经过两年集中开发,公开了精细实现韩语特性的新一代语音AI模型“SSTT(Sovereign AI Speech to Text)”。SSTT的特点在于超越单纯的语音识别,具备国内最高水平的语音数据精度。该模型学习了4000万条以上的韩语语音数据集(约5万小时以上语音数据),具备压倒性的理解度。其中13200小时用于方言数据,相当于全部学习量的四分之一。由此可精细区分庆尚、全罗、忠清、江原、济州等五大区域的方言及特有词汇。此外,该模型还反映了AI难以识别的浓重方言、特有词汇以及60岁以上高龄说话者的语音特征,使跨代际、跨地区的沟通成为可能。尤其是突破了以标准语为中心的既有语音识别局限,设计上可实现韩语方言识别与说话人分离,并支持实时及离线运行。该模型支持预处理功能,集成了噪声与回声衰减、面向远距离识别的自动增益控制(AGC)、基于深度学习的语音段检测、说话人转换点检测等高品质语音技术。既有的语音识别模型(STT,Speech to Text)是将声音转换为文本的核心技术,但由于方言、语调、语速差异,在实际产业现场存在识别准确率偏低的局限。因此,在呼叫中心、公共民愿、医疗与制造现场等语音识别需求较高的领域,市场扩散一直较为缓慢。Persona AI的SSTT正面解决了这一问题。其最多可分离20名说话人,相较此前仅停留在4~5人水平的技术实现了划时代的性能提升。即便在多方同时对话的情况下,也能准确区分“谁说了什么”,从而大幅拓展了会议记录、现场管控、多用户界面等应用范围。此类技术进步被评价为应对物理AI(Physical AI)时代的核心要素。未来机器人、自助终端、工业设备、自主系统等大部分物理AI设备预计将以语音为中心进行控制与交互。在此过程中,若依赖特定国家或企业的外国语音模型,可能在数据主权、安全性与服务连续性方面产生结构性风险。业界从主权AI角度将Persona AI的新一代语音AI模型评价为极为重要的战略资产。分析认为,能够精细识别韩语、尤其是地方方言的大型语音模型是短期内难以由外部替代的技术,并与国家层面确保AI主权直接相关。Persona AI是一家从AI模型开发到各产业解决方案化均有涉及的企业,以AICC(AI联络中心)与生成式AI(Gen AI)领域为主力。近期继去年之后再度获得CES 2026创新奖,连续两年实现三项获奖,在国际舞台上印证了技术竞争力。此外,公司正在开发被视为物理AI核心引擎的VLA(Vision-Language-Action)技术,提出连接机器人、设备与AI的新一代运营架构。Persona AI相关人士表示:“在主权AI竞争中最重要的并非单纯的模型规模,而是对本国语言与实际产业环境的理解深度”,“SSTT是能够成为韩国型主权AI实质基础的核心模型”。在主权AI已成为国家竞争力核心的当下,瞄准韩语语音主权的Persona AI的举措有望对物理AI及公共与产业整体带来强大的溢出效应。

阅读韩文原文