크래프톤, AI 모델 브랜드 ‘라온’ 공개…음성·TTS·비전 모델 4종 오픈소스화

• 크래프톤이 AI 모델 브랜드 ‘Raon(라온)’을 공개하고 모델 4종을 허깅페이스에 오픈소스로 올림

  • 공개된 모델은 Raon-Speech, Raon-SpeechChat, Raon-OpenTTS, Raon-VisionEncoder
  • 라온은 ‘즐거움’을 뜻하는 순우리말에서 따왔고, 영문명은 KRAFTON의 일부 철자를 활용했다고 함

• 크래프톤이 강조한 건 “모델을 가져다 쓴다”가 아니라 “파운데이션 모델 개발 전 과정을 자체 수행했다”는 점임

  • 데이터 수집, 모델 학습, 성능 평가까지 내부 역량으로 해냈다는 메시지
  • 게임 회사가 AI 연구 브랜드를 따로 세우고 공개 모델까지 내놓은 거라, 국내 AI 생태계 관점에서도 꽤 눈에 띔

• Raon-Speech는 텍스트 중심 언어 모델을 음성 이해·생성까지 확장한 음성 언어 모델임

  • 음성 텍스트 변환, 텍스트 음성 변환, 음성 기반 질의응답 같은 7개 핵심 태스크로 평가됨
  • 40개 벤치마크의 태스크별 평균 순위를 동일 비중으로 반영했다는 설명이 붙어 있음
  • 영어와 한국어 모두에서 성능을 강조한 점이 한국 개발자 입장에선 특히 중요함

• Raon-SpeechChat은 실시간 양방향 음성 대화를 겨냥한 모델임

  • 사용자가 말하는 중간에 자유롭게 끼어들 수 있는 풀듀플렉스(Full-duplex) 기술을 적용했다고 함
  • 기사에서는 국내에서 발표된 최초의 실시간 양방향 음성 모델이라고 소개됨
  • 게임 NPC나 실시간 캐릭터 인터랙션을 떠올리면 왜 크래프톤이 이걸 미는지 감이 옴

• Raon-OpenTTS는 공개 음성 데이터만으로 학습된 텍스트-음성 변환 모델임

  • 기존에 활용하기 어려웠던 일부 데이터는 직접 수집·정제해 공개했다고 함
  • 전체 학습 데이터도 공개해 누구나 동일한 환경에서 학습을 재현할 수 있게 했다는 점을 강조함

• Raon-VisionEncoder는 이미지를 AI가 이해 가능한 정보로 바꾸는 비전 인코더임

  • 언어 모델과 결합하면 시각 정보를 처리하는 멀티모달 모델 구성에 쓰일 수 있음
  • 공개 데이터만 활용했고, 사전 학습된 모델을 가져오지 않고 처음부터 자체 학습했다고 밝힘
  • 일부 시각 인식 태스크에서는 구글의 SigLIP2를 상회했고, 다른 태스크에서도 SigLIP2 대비 90% 이상 성능을 보였다고 함

• 이 모델들은 크래프톤의 ‘독자 AI 파운데이션 모델’ 프로젝트와도 연결될 예정임

  • 특히 비전 인코더는 해당 프로젝트에서 활용될 기술로 언급됨
  • 게임 개발에서 음성, 이미지, 캐릭터 상호작용이 다 필요한 걸 생각하면 Raon 라인업은 꽤 의도적으로 짜인 구성임

• 크래프톤 CAIO 이강욱은 대규모 학습 데이터와 핵심 모델을 오픈소스로 공유해 연구자와 개발자가 자유롭게 활용하길 기대한다고 밝힘

  • 멀티모달 기술 발전과 국내 AI 생태계 성장에 기여하겠다는 메시지도 같이 나옴
  • 실제 활용성은 모델 카드, 라이선스, 추론 비용, 벤치마크 재현 가능성을 개발자들이 검증하면서 갈릴 듯함

---

기술 맥락

• 크래프톤이 음성·TTS·비전 모델을 같이 낸 건 게임 회사 입장에서 꽤 자연스러운 선택이에요. 게임 안의 AI 캐릭터는 텍스트만 잘해서는 부족하고, 말하고 듣고 화면 맥락까지 이해해야 하거든요.

• Raon-Speech가 중요한 이유는 한국어와 영어를 같이 밀었다는 점이에요. 글로벌 게임사는 영어 성능이 필요하고, 국내 개발사와 한국 유저 경험까지 생각하면 한국어 음성 처리 품질도 같이 챙겨야 해요.

• 풀듀플렉스 음성 모델은 단순 음성 챗봇보다 난도가 높아요. 사람이 말하는 중간에 끼어들거나 멈추는 상황을 처리해야 해서, 지연 시간과 턴 관리가 사용자 경험을 크게 좌우하거든요.

• Raon-OpenTTS에서 학습 데이터 공개를 강조한 것도 의미가 있어요. TTS는 데이터 품질과 라이선스 이슈가 성능만큼 중요해서, 공개 데이터 기반 재현 가능성을 확보하면 연구자와 개발자가 실험하기 훨씬 쉬워져요.

• 비전 인코더를 자체 학습했다는 대목은 멀티모달 파운데이션 모델을 장기적으로 직접 쌓겠다는 신호에 가까워요. 이미지를 언어 모델에 연결하는 앞단을 통제할 수 있어야 게임 화면, 캐릭터, 아이템 같은 도메인 데이터에 맞춘 확장이 쉬워져요.