트레블 테크놀로지스(Treble Technologies)가 팔라딘 캐피털 그룹(Paladin Capital Group) 주도로 시리즈 A-2 투자에서 1,800만 달러(약 1,500만 유로)를 유치했다. 기존 투자자인 KOMPAS VC, 프룸탁 벤처스(Frumtak Ventures), 유럽혁신위원회(EIC) 펀드도 참여했다. 회사 발표 기준 누적 투자금은 약 3,600만 유로다.
16
11
아이슬란드 레이캬비크에 본사를 둔 트레블은 음향 시뮬레이션, 디지털 트윈, 합성 오디오 데이터 생성을 위한 클라우드 플랫폼을 개발한다. 회사가 겨냥하는 문제는 음성 AI와 피지컬 AI에서 특히 까다롭다. 통제된 환경에서 잘 작동하던 시스템도 가정·사무실·공장·차량처럼 소리 조건이 제각각인 실제 공간, 혹은 움직이는 기계 주변에 배치되면 전혀 다른 입력을 마주할 수 있기 때문이다.
11
12
트레블이 만드는 것
트레블 소프트웨어는 물리적 환경 안에서 소리가 어떻게 이동하는지를 모델링한다. 개발팀은 현장에서 수집한 녹음에만 의존하는 대신, 공간의 디지털 표현을 활용해 음향 조건을 시뮬레이션하고 AI 탑재 기기가 해석해야 할 수 있는 오디오를 생성할 수 있다.
12
5
플랫폼은 크게 세 가지 기능을 결합한다.
- 물리 기반 음향 시뮬레이션: 특정 환경에서 소리가 어떻게 작동하는지 모델링한다.
- 음향 디지털 트윈: 오디오 기능 제품을 실제 시험과 병행하거나, 실제 시험 전에 평가할 수 있는 가상 환경이다.
- 합성 오디오 데이터: 모델 개발·훈련·테스트에 쓰일 오디오를 생성한다.
11
12
이 기능들은 마이크, 스피커, 음성 시스템, 오디오 처리 모델을 평가할 때 제품팀이 시험 조건을 더 세밀하게 통제하도록 돕는 것을 목표로 한다.
오디오 AI에 디지털 트윈이 필요한 이유
오디오 시스템이 처리해야 하는 변수는 많다. 공간의 구조, 배경 소음, 기기 위치, 사람이나 기기의 움직임에 따라 마이크가 받아들이는 소리는 달라진다. 트레블 플랫폼은 이런 환경을 시뮬레이션해 개발자가 더 폭넓은 음향 시나리오에서 시스템을 시험할 수 있도록 설계됐다.
5
12
예를 들어 로봇 기업에 필요한 입력은 잡음 없는 음성 샘플만이 아니다. 로봇이 실제 운용될 환경에서 기기가 포착할 소리여야 한다. 트레블은 소프트웨어가 해당 환경을 시뮬레이션하고, 로봇이 처리할 것으로 예상되는 오디오와 유사한 합성 소리를 만들 수 있다고 설명한다.
5
이런 디지털 트윈은 물리적 시제품 제작과 현장 녹음을 대체하기보다는 보완하는 수단으로 볼 수 있다. 팀은 소프트웨어에서 여러 조건을 먼저 탐색해 취약 가능성을 찾고, 이후 중요한 사례에 실제 검증을 집중할 수 있다.
합성 오디오 데이터의 역할
트레블의 확장 전략에서 합성 데이터는 핵심이다. 오디오 AI 팀은 제품이 마주할 환경을 반영한 데이터가 필요하며, 트레블은 자사 플랫폼을 음성 및 소리 처리 시스템의 훈련·테스트용 모의 음향 데이터 생성 수단으로 제시한다.
11
5
회사의 음성 AI 플랫폼 관련 보도에 따르면 활용처로는 음성 향상, 소음 억제, 모델 훈련 등이 거론된다.
2 피지컬 AI에서도 기본 원리는 같다. 실제 환경에 배치하기 전, 시스템에 다양한 가상 음향 조건을 경험하게 하는 방식이다.
5
8
합성 데이터가 현실 환경 테스트의 필요성을 없애는 것은 아니다. 다만 현장에서 반복적으로 포착하기 어렵거나 비용과 시간이 많이 드는 조건까지 개발 데이터와 시험 조건에 포함할 수 있는, 통제된 방법이 될 수 있다.
새 자금의 사용처
트레블은 이번 시리즈 A-2 자금으로 음향 시뮬레이션, 디지털 트윈, 합성 데이터 생성을 포함한 오디오 기능 시스템용 기술 플랫폼을 확장할 계획이다. 또한 로봇·차량·웨어러블처럼 변화하는 실제 환경에서 소리를 처리해야 하는 피지컬 AI 분야를 공략한다.
16
13
8
회사는 이번 투자금이 미국 시장 확대에도 쓰일 것이라고 밝혔다.
12
이번 투자 유치가 주목받는 이유
이번 투자는 물리 세계와 상호작용하는 AI 시스템의 개발 과정에서 음향 시뮬레이션이 의미 있는 단계가 될 수 있다는 데 건 베팅이다. 트레블은 단순히 음향을 모델링하는 도구를 판매하는 데 그치지 않고, 음향 디지털 트윈과 생성 데이터를 오디오 기능 제품의 개발·검증·개선 인프라로 자리매김시키려 한다.
11
12
개발자 관점에서 제안하는 가치는 명확하다. 더 현실적인 음향 조건을 더 이른 단계에서 평가하고, 녹음 데이터에 통제된 합성 데이터를 더하며, 모든 시나리오마다 반복적인 물리 시험에 의존하는 정도를 낮추는 것이다. 다만 실제 배치 환경에서 성능이 개선될지는 결국 시뮬레이션이 현실의 음향 조건을 얼마나 충실히 재현하는지에 달려 있다.