AI 서비스 기업 이스트소프트(대표 정상원)는 자사의 AI 자동 더빙 기술 연구가 세계적인 인공지능·자연어 처리 학회 ‘EMNLP 2025’에 채택돼 학회가 열린 중국 쑤저우에서 연구 결과를 발표했다고 17일 밝혔다.
EMNLP(Empirical Methods in Natural Language Processing)는 글로벌 AI 연구자들이 참여하는 세계 최고 권위의 자연어 처리(NLP) 학회다.
이스트소프트 연구진의 논문명은 ‘대규모 언어모델(LLM)’을 활용한 종단 간 다국어 자동 더빙 프레임워크(End-to-End Multilingual Automatic Dubbing via Duration-based Translation with Large Language Models)’이다.
연구의 핵심은 영상 원본에서의 화자 발화 시간과 일치하는 더빙 영상을 생성하는 프레임워크를 제안한 것으로, 기존의 자동 더빙 시스템이 원본의 음성과 번역된 음성의 길이가 맞지 않아 부자연스러운 영상을 생성했던 한계를 극복한 것이다.
프레임워크의 구조는 STT(Speech-to-Text), NMT(Neural Machine Translation), TTS(Text-to-Speech) 세 가지 모듈로 구성됐으며, 연구진은 NMT 모듈에 ‘발화 길이 조정 번역(DT, Duration-based Translation)’과 ‘발화 정지 정보 통합(Pause Integration)’ 개념을 도입했다.
LLM 기반의 ‘발화 길이 조정 번역’ 기술은 원본 음성의 지속 시간을 기반으로 번역에 필요한 최적의 음소 수를 동적으로 예측해 번역의 길이를 제어할 수 있는 환경을 제공하고, ‘발화 정지 정보 통합 기술’은 음성에 포함된 묵음까지 반영해 원본과 동기화를 향상시킨다. 이를 통해 원본의 발화 속도와 리듬을 자연스럽게 유지한 더빙 영상을 생성하는 것이다.
실험 결과, 이스트소프트 연구진이 제안한 방식은 자사를 포함한 상용화된 기존의 AI 더빙 시스템 대비 영상·음성 싱크 정확도는 24%, 다국어 청취 만족도는 12% 향상된 것으로 나타났다.

▲EMNLP 2025에 참가한 이스트소프트 연구진 이미지 (제공: 이스트소프트)
논문 리뷰에서도 높은 평가를 받았다. 이스트소프트 연구진이 제안한 기술이 자동 더빙의 핵심 난제인 시간 동기화 문제를 효과적으로 해결한 것은 물론 다국어 더빙의 확장성과 산업 내 적용 가능성을 높였다는 것이다.
이스트소프트 연구진은 “현장에서 글로벌 빅테크와 해외 유수 대학 연구진들에 큰 관심을 받으며 학술적 교류를 할 수 있었다”라며 “글로벌 무대에서 우리의 기술적 완성도와 창의성을 인정받게 되어 매우 기쁘다”라고 전했다.
정상원 이스트소프트 대표는 “페르소 AI(Perso AI)는 실제 서비스에서 확인된 문제를 해결해 가며 AI 더빙 기술을 고도화해 왔다”라며 “앞으로도 세계 최고 권위의 AI 학회에서 인정받은 기술 경쟁력으로 글로벌 AI 더빙 시장을 이끌어 갈 수 있도록 하겠다”라고 전했다.