스몰리스트AI 1300만달러 유치…엘레븐랩스와 정면승부

인도 음성 AI 스타트업 스몰리스트AI(Smallest.ai)가 시리즈A 투자로 1300만 달러를 유치했다. 이번 라운드는 셀리그먼 벤처스(Seligman Ventures)가 주도했고 기존 투자자인 시에라 벤처스(Sierra Ventures)와 3one4 캐피털이 참여했다. 이로써 누적 투자 유치액은 2100만 달러를 넘어섰다. 회사는 이번 자금으로 사람과 대화하는 느낌을 그대로 재현하는 초저지연 음성 AI 모델을 개발한다는 계획이다. 창업자이자 최고경영자(CEO)인 수다르샨 카마트는 테크크런치에 “제가 말하는 동안 상대방은 이미 생각을 하고 있고, 제가 너무 길게 말하면 중간에 끼어들기도 한다”며 자사 모델이 바로 이런 방식으로 작동하도록 설계됐다고 말했다.

소형 음성모델과 대형 LLM, 두 모델 체제로 지연시간을 줄인다

카마트는 대형언어모델(LLM)의 근본적 한계를 지적했다. “LLM은 프롬프트 전체를 다 받은 뒤에야 생각을 시작하는 구조”라며 “실제 대화에서는 음성을 통째로 넘겨준 뒤에야 상대가 생각을 시작하지 않는다”고 설명했다. 텍스트 채팅에서는 몇 초의 지연이 문제되지 않지만, 음성 대화에서는 짧은 침묵조차 부자연스럽게 느껴진다는 것이다.

이를 해결하기 위해 스몰리스트AI는 특정 주제에 한해 거의 지연 없이 실시간으로 응답하는 소형 음성모델을 자체 개발했다. 이 모델이 다루기 어려운 질문을 만나면, 실제 상담원이 “확인해보겠다”며 잠시 대기시키듯 큰 규모의 기반모델에 질의를 넘기고 답을 받아 다시 대화를 이어간다. 카마트는 앞으로 모든 AI 에이전트가 실시간 응답용 소형 음성모델과, 필요할 때만 호출되는 오프라인 LLM의 이중 구조로 운영될 것이라고 내다봤다. 회사는 대형 기반모델과 달리 다양한 억양 처리, 수십 개 언어 지원, 소음 환경 대응 등 음성 특유의 세부 과제에만 집중한다는 전략을 취하고 있다.

신무기 ‘하이드라’와 음성AI 진화 4단계론

이번 투자 발표와 함께 회사는 신형 아키텍처 ‘Voice 4.0’과 이를 구동하는 비동기 음성-음성 모델 ‘하이드라(Hydra)’를 공개했다. 카마트는 SiliconANGLE에 기존 음성 AI 시스템이 음성 인식, LLM 처리, 오케스트레이션, 메모리, 음성합성, 가드레일 등 여러 기술을 순차적으로 이어붙인 구조라 지연과 부자연스러움이 생길 수밖에 없다고 지적했다. 그는 음성AI가 초기 경직된 트리형 자동응답인 ‘Voice 1.0’, 더 유연하지만 여전히 로봇 같았던 머신러닝 음성봇 ‘Voice 2.0’, 음성을 매개로 대화하지만 자연스러움과 지연 문제를 완전히 풀지 못한 생성형 AI 에이전트 ‘Voice 3.0’ 단계를 거쳤다고 설명했다.

하이드라는 듣기·추론·행동·응답을 순차가 아닌 동시에 처리하는 방식으로 이 문제를 정면 돌파한다는 구상이다. 카마트는 “사람은 상대의 말이 끝나길 기다렸다가 생각을 시작하지 않는다. 듣고 생각하고 답하는 과정이 동시에 일어난다”며 “음성AI도 똑같이 작동해야 한다. 모델을 단순히 키우는 대신 기술 스택 자체를 다시 설계해 지연시간을 사람 수준으로 줄이고 있다”고 말했다. 회사는 앞서 음성인식 모델 ‘펄스 STT 프로(Pulse STT Pro)’와 음성합성 모델 ‘라이트닝 V3.1(Lightning V3.1)’을 선보였으며, 두 모델은 38개 언어를 지원하고 화자 구분, 감정 인식, 코드 스위칭, 데이터 마스킹, 잡음 제거 기능을 갖췄다. 라이트닝 초기 버전은 시드 투자 유치 시점에 처음 공개됐을 당시 10초 분량의 음성을 100밀리초, 즉 10분의 1초 안에 생성하는 업계 최고속 음성합성 모델로 소개된 바 있다.

튜링테스트가 최종 목표…경쟁사는 엘레븐랩스·카르테시아

카마트는 “우리는 모델이 튜링테스트를 깨뜨리길 원한다”며 “우리 모델과 대화하면서 AI인지 인간인지 구분할 수 없어야 한다. 그것이 회사의 유일한 목표”라고 말했다. 회사는 이미 링센트럴(RingCentral), 트루콜러(Truecaller), 레디모드(Readymode) 등을 고객사로 두고 있다. 카마트는 시에라(Sierra), 데카곤(Decagon) 같은 신생 고객지원 스타트업도 잠재 고객으로 꼽으며 “음성 처리에 극단적으로 능숙해지는 것은 이런 회사들이 본업에서 벗어나는 일”이라고 말했다. SiliconANGLE 보도에 따르면 일부 고객사는 스몰리스트AI 도입으로 상담 비용을 최대 80%까지 줄였다고 한다.

경쟁 구도에서 스몰리스트AI는 음성AI 선두주자 엘레븐랩스(ElevenLabs), 카르테시아(Cartesia), 지역 특화 업체 사르밤(Sarvam)과 맞선다. 일부 경쟁사가 오디오 더빙이나 팟캐스트 등 콘텐츠 제작에 음성AI를 적용하는 것과 달리, 스몰리스트AI는 기업 고객을 위한 실시간 대화형 음성 에이전트에만 집중한다는 차별점을 강조한다. 다만 자금력 면에서는 격차가 크다. 최근 오픈소스 음성 모델 학습·튜닝 플랫폼을 내세운 피시오디오(Fish Audio)가 5200만 달러를 유치했고, 업계 최대 규모인 엘레븐랩스는 앞서 5억 달러를 조달해 에이전트 음성AI 플랫폼을 구축하고 있다.

커지는 음성AI 시장, 설립 시점은 엇갈려

스몰리스트AI 창업 시점은 매체별로 다르게 전해진다. 테크크런치 등은 회사가 설립 초기라고만 언급했고, 인도 매체 Inc42는 IIT 구와하티 출신 수다르샨 카마트와 아크샷 만들로이가 공동 창업했다고 보도하며 설립을 밝혔다. 회사는 앞서 시에라 벤처스가 주도한 800만 달러 규모 시드 투자를 유치한 바 있으며, 현재 직원 수는 약 60명, AWS 생성형 AI 액셀러레이터 프로그램에도 참여한 것으로 전해진다.

SiliconANGLE은 시장조사업체 Market.US 조사를 인용해 글로벌 음성AI 산업 규모가 현재 연 24억 달러 수준이며 2034년 말까지 475억 달러 이상으로 성장할 것으로 전망된다고 전했다. 다만 현재 AI가 처리하는 전 세계 음성 상호작용 비중은 1% 미만에 불과하다. 셀리그먼 벤처스의 애시시 카크란은 “이제 개발자들은 코드를 타이핑하는 대신 기계와 대화하는 경우가 늘고 있다”며 “스몰리스트AI는 아키텍처 자체를 다시 설계하는 근본적으로 다른 접근을 택했다. 고객은 여러 모델을 이어붙이는 데 시간을 낭비할 필요 없이 효율적으로 통합된 스택을 얻게 된다”고 평가했다. 회사는 이번 투자금을 금융, 헬스케어, 콜센터, BPO(업무처리 아웃소싱) 고객사로 플랫폼을 확대하는 데 투입할 계획이다.