텍스트-음성 변환

글자로 된 텍스트를 사람 목소리처럼 읽어 주는 AI 기술로, 딥러닝 방식이 나온 뒤로 사람 목소리와 구분하기 어려운 수준까지 왔다. 음성 비서, 화면 읽기, 오디오북, 자동응답처럼 글을 소리로 전해야 할 때 클라우드 API, 기기 내장 기능, 음성 클론 가운데 맞는 방식을 골라 쓴다.

API는 텍스트·목소리·형식만 정하면 된다

클라우드 TTS는 몇 줄짜리 API 호출로 끝난다. 읽을 텍스트, 목소리, 출력 형식을 정해 보내면 오디오가 돌아온다. OpenAI라면 gpt-4o-mini-tts 같은 모델 ID와 alloy 같은 목소리 이름을 고른다.

대화는 스트리밍, 콘텐츠는 파일로

음성 비서나 자동응답처럼 바로 대답해야 하는 곳은 음성을 생성되는 대로 흘려보내는 스트리밍을 쓴다. 다 만들어질 때까지 기다리면 대화가 끊긴 것처럼 느껴진다. 오디오북·강의 내레이션처럼 미리 만들어 두는 콘텐츠는 파일로 받아 저장하고, 긴 글은 문단 단위로 나눠 보내면 실패해도 그 부분만 다시 만들면 된다.

발음과 억양은 따로 손봐야 한다

숫자, 약어, 고유명사는 엉뚱하게 읽히기 쉽다. Google Cloud TTS는 SSML이라는 표기법으로 쉼, 강조, 읽는 방식을 지정할 수 있고, OpenAI의 최신 TTS 모델은 "차분하게, 천천히" 같은 말로 된 지시로 톤을 조절할 수 있다. 결과물은 꼭 직접 들어 보고, 자주 틀리는 단어는 미리 풀어 쓰는 게 가장 확실하다.

목소리 복제는 동의와 고지가 먼저

몇 초 샘플만으로 목소리를 복제할 수 있게 되면서 사칭·보이스피싱 같은 악용 우려도 커졌다. 그래서 대부분의 서비스는 본인 동의 확인 절차를 거친다. 남의 목소리는 허락 없이 복제하지 말고, 서비스에 AI 음성을 쓸 때는 사람이 아니라 AI가 만든 목소리라는 점을 듣는 사람에게 알리는 것이 좋다.

대답하기, 읽어 주기, 내레이션에 주로 쓴다

가장 흔한 건 AI가 만든 답을 소리로 바로 들려주는 방식이다. 바로 반응해야 하는 대화에는 스트리밍을, 오래 두고 들을 콘텐츠에는 파일 생성을 쓴다.