TTS

줄임말로는 TTS, 우리말로는 '음성합성 시스템'이라 부른다. 보통 TTS라고 하면 이것을 의미한다.

컴퓨터의 프로그램을 통해 사람의 목소리를 구현해내는 것으로, 성우 없이도 거의 모든 단어와 문장의 음성을 쉽게 구할 수 있다. 하지만 사전녹음된 목소리 자료를 기반으로 쓰는 만큼 억양이 자연스럽지 못하다는 단점이 있다. 국내의 대표적 TTS 프로그램 업체로는 타입캐스트, 프로소디, 셀바스AI와 보이스웨어가 있다. 보이스웨어는 한국 내에서는 거의 상표의 보통명사화 수준. 하지만 올바른 용어는 TTS이다.

해외에서는 리드스피커와 브라우저어라우드와 같이 웹기반 서비스 솔루션이 웹사이트를 읽어주는 TTS 프로그램으로 대중화되었다. 일본에서는 지방자치단체 홈페이지의 70%이상이 TTS 음성서비스를 제공한다. 현재 한국에선 다양한 TTS 프로그램 제공업체 중 웹톡스, 보이스몬과 같이 웹기반 서비스와 솔루션을 함께하는 프로그램들이 각광받는다.

보컬로이드와 비슷하다고 생각할 수 있다. 하지만 보컬로이드는 소리, 억양 하나하나를 유저가 직접 만들므로 복잡하지만, TTS는 글자를 입력하면 쉽게 바로 음성으로 출력된다는 차이점이 있다. 물론 그만큼 TTS는 발음이 부정확하고 억양이 부자연스럽다는 단점도 있다.

하지만 요즘 몇몇 TTS는 꽤나 자연스럽고 부드럽게 목소리를 출력한다. 구글 산하의 WaveNet은 딥러닝 기반의 TTS 시스템으로, 연구를 거듭한 결과 성우가 직접 읽은 문장보다도 더욱 자연스러운 문장을 구사할 수 있게 되었다고 한다. 실제로 목소리를 비교해보면 어느 것이 성우의 목소리이고, 어느 것이 TTS인지 구별할 수 없을 정도. 심지어 별다른 입력 없이 무작위한 발음을 중얼거리게 만들 수도 있는데, 분명 이해할 수 없는 문장임에도 불구하고, 실제 사람의 중얼거림처럼 호흡과 간격이 매우 자연스럽다.

단, 대부분 TTS는 현재 개인 고객에게 제품을 팔지 않기 때문에, 개인이 TTS를 사용하려면 어둠의 경로에서 구해야 하는 경우가 대부분이다. TTS는 3가지 요소로 구성된다. 첫째가 SAPI라는 윈도우 구성요소, 둘째가 보이스 엔진, 셋째가 플레이어다. 비디오 플레이어에 비유하면 차례대로 SAPI는 운영체제 그 자체, 보이스 엔진은 코덱쯤, 플레이어는 말 그대로 플레이어이다.

SAPI는 대체로 윈도우를 깔면 자동으로 깔려있다. 제어판을 뒤적거려본 유저라면 알 수 있는데, 제어판 → 접근성 → 접근성 센터 → 디스플레이가 없는 컴퓨터 사용에 들어가보면, 텍스트 음성 변환 이라는 항목이 있다. 이 창을 띄워보면 한 줄 문장을 작성하고 음성선택을 하는 곳이 있는데, 바로 이것이 TTS의 기본 구성원리다.

Microsoft Heami Desktop - Korean 이라고 나와있을 텐데, 이것이 SAPI 5.1 버전용 보이스 엔진인 혜미다. 이 제어판 항목에서는 긴글을 입력하지 못하지만, 바로 플레이어들을 이용하여, 긴 단락들을 읽어줄 수 있는 것이다. 참고로 예시는 Windows 8.1 기준으로, Windows XP는 Microsoft Sam, Windows Vista와 Windows 7은 Microsoft Anna가 존재한다. Windows 10의 경우에는 Windows 8.1과 동일하지만, 다른 언어 입력기를 설치하면 음성 데이터와 언어팩도 같이 설치되기 때문에 쉽게 변경이 가능하다.

대부분 TTS 플레이어들 자체[1]는 프리웨어인 경우가 많고, 사실상 TTS의 핵심이라고 할 수 있는 엔진[2]이 유료로 판매되는 핵심 파일이다. 한국어 엔진 중 가장 유명한 게 Junwoo와 Yumi다. 기본으로 윈도우에 깔린 혜미 같은 엔진들은 매우 기계적이어서 많이 듣기에 부자연스럽기 때문에, 대부분 따로 엔진을 구해야 만족스러운 결과가 나온다.

플레이어로 쉽게 구할 수 있는 것은 판옵프리터(Panopreter), 발라볼카(Balabolka), 텍스트얼라우드(TextAloud) 등이 있다. 앞의 두개는 프리웨어, 텍스트 얼라우드는 유료이다.

판옵프리터는 가장 프로그램이 가볍지만, 텍스트 분량이 너무 많으면 한꺼번에 읽을 수는 없다. 또한 중간부터 읽을 수가 없어서 항상 처음부터 읽어야 한다. 발라볼카의 장점은 자신의 PC에 깔린 엔진뿐만 아니라, 구글 번역기의 TTS엔진까지 사용해서 음성파일을 만들 수 있다는 것이다. 다만 프로그램이 무겁고, 굳이 음성파일을 만들지 않고 프로그램 내부에서 즉흥적으로 들을 경우, 문장 하나하나마다 앞부분의 음성이 약해지는 현상이 나타나 매우 듣기가 괴롭다. 마지막으로 텍스트 얼라우드는 프로그램도 무겁지 않고, 중간부터도 들을 수 있으며, 글의 맨 처음만 약해질 뿐 다른 곳은 다 그대로이다. 단점이라고는 유료라는 점뿐. 위 세 프로그램 모두 당연하게도 음성파일로 변환할 수 있다. 기본적으로 wav파일로 나오지만, 추가 설정을 통해 mp3로 바로 변환시켜줄 수도 있다.

여담이지만, 한국어로 맞춰놓고 영어를 쓰면 콩글리시를 들어볼 수 있다. 마찬가지로 영어 이외의 언어로 설정하고 영어를 쓰면 해당 국가의 억양이 들어간 영어 음성이 나온다. 현재 TTS 프로그램 중 영어 음성 전문 더빙이 가능한 서비스는 타입캐스트이며, 이를 위한 외국인 인공지능 성우 캐릭터가 마련되어 있다.

감정과 음 높낮이, 길이도 조절하여 딥러닝으로 합성가능한 TTS 프로그램도 나오기 시작했다 Prosody. 항목 참조.

일본 니코니코동화를 시작으로 TTS 실황 플레이가 유행하고 있다. 항목 참조.

2018년에는 성대모사까지 하는 모양이다. #