2026-04-03 | 이진석 기자

蓝洞推出AI模型品牌“Raon”,首批4款模型开源公开

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。

蓝洞(259960)2日表示,已推出人工智能(AI)模型品牌“Raon”,并将语音支持大规模语言模型(LLM)、实时语音对话模型、文本转语音(TTS)模型、视觉编码器以开源形式公开在全球平台Hugging Face上。

Raon取自意为“快乐”的纯韩语词汇,英文名则借用“KRAFTON”的部分字母构成,体现了蓝洞希望通过AI技术创造游戏本质乐趣的理念。

蓝洞通过此次模型公开,证明了其具备从数据收集到模型训练、性能评估的基础模型开发全流程自主实施的技术能力。今后计划以“Raon”为中心,进一步强化全球AI技术竞争力。

此次公开的模型为Raon-Speech、Raon-SpeechChat、Raon-OpenTTS、Raon-Vision Encoder。

首先,“Raon-Speech”是扩展文本为中心的语言模型、可实现语音理解与生成的语音语言模型。参数规模为90亿(9B),在10B以下级别的公开语音语言模型中,英语与韩语性能均居全球第一。这是对语音转文本、文本转语音、基于语音的问答等7项核心任务及40项基准进行综合评估,并以同等权重反映各任务平均排名的结果。

“Raon-SpeechChat”是应用了用户与模型在对话中可自由插话的实时双向通信技术的语音语言模型,是韩国国内首个发布的实时双向语音模型。在3种双向通信模型评估基准中,以附和、插话处理、响应延迟时间等主要13项任务平均排名计,取得全球最高水平的性能。

“Raon-OpenTTS”是仅以公开语音数据训练的文本转语音模型。此前难以利用的部分数据由其直接收集、精炼后公开,全部训练数据亦一并公开,使任何人都能在相同环境下复现训练。在由人对两段语音自然度进行比较的盲测中,与基于非公开数据的全球研究用TTS模型相比展现出最高水平性能。

“Raon-Vision Encoder”是将图像转换为AI可理解信息的视觉编码器。视觉编码器与语言模型结合后可处理视觉信息,该模型仅利用公开数据、未使用预训练模型而从零开始自主训练。在部分视觉识别任务中取得超越谷歌代表性视觉编码器模型(SigLIP2)的成果,在其他任务中亦展现出相对SigLIP2达90%以上的性能,证明了竞争力。该技术还将在“自主AI基础模型”项目中得到应用。

蓝洞首席人工智能责任人(CAIO)이강욱表示:“此次Raon模型系列的公开是积累AI技术能力过程中的重要里程碑”,“我们将大规模训练数据与核心模型以开源方式共享,让研究人员和开发者可自由使用,期待为多模态技术发展与韩国AI生态系统的成长作出贡献”。

阅读韩文原文