크래프톤, AI 모델 브랜드 ‘라온’ 출범하고 음성·비전 모델 4종 오픈소스로 공개

• 크래프톤이 AI 모델 브랜드 ‘Raon’을 출범하고 모델 4종을 오픈소스로 공개함

  • 공개 위치는 글로벌 AI 모델 플랫폼 허깅페이스임
  • 모델 라인업은 Raon-Speech, Raon-SpeechChat, Raon-OpenTTS, Raon-VisionEncoder임
  • 이름은 ‘즐거움’을 뜻하는 순우리말 ‘라온’에서 따왔고, 영문명은 KRAFTON의 일부 철자를 활용했다고 함

• 이번 공개의 메시지는 “게임사가 AI도 해요” 수준이 아니라, 파운데이션 모델 개발 전 과정을 자체 수행했다는 선언에 가까움

  • 크래프톤은 데이터 수집, 모델 학습, 성능 평가까지 직접 수행할 수 있는 역량을 입증했다고 밝힘
  • 앞으로 Raon을 중심으로 글로벌 AI 기술 경쟁력을 강화하겠다는 계획도 같이 냄

• Raon-Speech는 텍스트 중심 언어 모델을 음성까지 확장한 모델임

  • 음성 이해와 음성 생성이 가능한 음성 언어 모델로 소개됨
  • 음성 텍스트 변환, 텍스트 음성 변환, 음성 기반 질의응답 등 7개 핵심 태스크를 평가함
  • 총 40개 벤치마크에서 태스크별 평균 순위를 동일 비중으로 반영한 결과라고 함

• Raon-SpeechChat은 실시간 음성 대화 쪽을 겨냥함

  • 사용자와 모델이 대화 중 자유롭게 끼어들 수 있는 실시간 양방향 통신(Full-duplex)을 적용함
  • 크래프톤은 국내에서 발표된 최초의 실시간 양방향 음성 모델이라고 설명함
  • 음성 챗봇에서 답변이 끝날 때까지 기다리는 답답함을 줄이는 방향이라, 실제 UX 영향이 큼

• Raon-OpenTTS는 공개성과 재현성을 강하게 밀고 있음

  • 공개 음성 데이터만으로 학습된 텍스트-음성 변환 모델임
  • 기존에 활용하기 어려웠던 일부 데이터는 직접 수집·정제해 공개했다고 함
  • 전체 학습 데이터도 공개해 누구나 같은 환경에서 학습을 재현할 수 있게 했다는 점이 포인트임

• Raon-VisionEncoder는 멀티모달로 가기 위한 기반 부품임

  • 이미지를 AI가 이해 가능한 정보로 바꿔주는 비전 인코더임
  • 언어 모델과 결합하면 시각 정보를 처리하는 멀티모달 모델로 확장할 수 있음
  • 공개 데이터만 활용했고, 사전 학습된 모델을 쓰지 않고 처음부터 자체 학습했다고 밝힘
  • 일부 시각 인식 태스크에서는 구글 SigLIP2를 넘었고, 다른 태스크에서도 SigLIP2 대비 90% 이상 성능을 보였다고 함

• 국내 개발자에게는 꽤 실용적인 공개임

  • 한국어 음성 이해·생성 모델을 직접 비교하고 튜닝해볼 수 있는 재료가 늘어남
  • 게임 NPC, 실시간 음성 인터페이스, 접근성 기능, 한국어 TTS 실험 같은 쪽에 바로 연결될 수 있음
  • 특히 학습 데이터 공개까지 포함된 TTS는 “모델만 던져줌”보다 연구·재현 관점에서 훨씬 쓸모가 큼

---

기술 맥락

• 크래프톤이 공개한 4종은 각각 역할이 달라요. Raon-Speech는 음성을 이해하고 생성하는 중심 모델이고, Raon-SpeechChat은 실시간 대화 UX를, Raon-OpenTTS는 음성 합성을, Raon-VisionEncoder는 이미지 이해를 맡는 구조예요.

• 9B 규모 Raon-Speech가 눈에 띄는 이유는 크기 대비 성능을 강조했기 때문이에요. 10B 이하 공개 모델이라는 조건에서 영어와 한국어 모두 1위라고 밝힌 건, 대형 폐쇄 모델이 아니어도 한국어 음성 태스크에서 경쟁할 수 있다는 메시지거든요.

• Full-duplex가 중요한 건 음성 AI의 체감 품질이 모델 정확도만으로 결정되지 않아서예요. 사람이 말하는 도중 끼어들거나 흐름을 조정할 수 있어야 실제 대화처럼 느껴지고, 게임 NPC나 음성 비서에서는 이 차이가 꽤 크게 나요.

• Raon-OpenTTS의 데이터 공개도 개발자 입장에선 큽니다. 모델 가중치만 있으면 결과를 써볼 수는 있지만, 학습 데이터와 조건이 공개돼야 성능을 검증하고 다시 학습해볼 수 있거든요.

• Raon-VisionEncoder는 장기적으로 멀티모달 모델의 입구예요. 이미지를 벡터로 바꿔 언어 모델과 붙일 수 있어야 화면 이해, 캐릭터 인식, 게임 상황 해석 같은 작업으로 확장할 수 있어요.