누구나 단 한 문장을 소리 내 읽는 것만으로 본인 목소리를 가진 가상인간을 만들 수 있게 될 전망이다.
음성합성(TTS) 고도화 기술인 '보이스클로닝(voice cloning·음성 복제)'을 통해서다.
텍스트 기반 대화형 인공지능(AI) 챗봇 '챗GPT'에 보이스클로닝 기술을 결합하면 챗GPT는 '글 쓰는 AI'를 넘어 자신의 방대한 지식을 유창한 말솜씨로 들려 주는 '달변가'로 변신할 수 있다.
카카오엔터프라이즈는 보이스클로닝 분야 경쟁력을 높이는 연구개발(R&D)에 한창이다.
현재는 R&D 단계로 관련 기술 논문을 작성하거나 특허권을 출원하는 데 집중하고 있지만, 향후 기술 적용 분야는 무궁무진하다.
카카오엔터프라이즈의 기존 TTS 기술은 카카오 AI 스피커와 현대차 내비게이션에서 이미 활용된 만큼, 보이스클로닝 기술의 사업화 가능성에 대한 기대도 크다.
본지는 TTS 엔진 개발과 보이스클로닝 연구 등을 맡고 있는 정성희 카카오엔터프라이즈 AI랩&서비스보이스인터페이스팀 연구원을 지난달 31일 만나 인터뷰했다.
다음은 정 연구원과 일문일답한 내용.
-올해 어떤 방향성을 갖고 TTS 기술을 연구할 계획인가."(TTS 엔진을 활용해) 현재 API 형태로 32종 화자(목소리)를 제공하고 있다.
기업·기관에서 전화 상담원 목소리 등으로 쓸 수 있도록 정보 전달에 최적화돼 있다.
앞으로 지원 목소리를 계속 추가할 예정이다.
서비스 속도를 높이고 비용 부담을 줄이기 위한 목표로 TTS 모델 경량화도 지속 진행 중이다.
영어 서비스도 출시를 앞두고 있다.
현재 TTS 시스템은 한국어만 지원하고 있는데, 이용자가 영어 문장을 입력하면 AI가 영문 텍스트를 읽어주는 식이다.
"
-TTS가 적용될 수 있는 신규 분야가 있다면."사람과 대화 가능한 고객용 TTS 서비스다.
현재로선 TTS 출력 목소리가 입력된 문구 등 정해진 텍스트만 읽는 수준이다.
향후 AI 대화 모델이 더 발전하면 TTS도 대화가 가능한 형태로 발전할 수 있다.
짧은 문장이더라도 고인의 생전에 녹음한 목소리가 있으면, 이용자는 가상으로 고인과 대화가 가능하다는 거다.
엔터테인먼트 분야에서는 팬덤을 대상으로 연예인과 대화 서비스 등을 손쉽게 제공할 수 있게 된다.
이렇게 되면 TTS 기술 문턱이 낮아져 일반 이용자들도 기술을 직접 경험해볼 수 있는 기회가 많아지겠다.
"
-작년 개발자 행사 이프카카오에서 보이스클로닝 모델 '커스텀 음성합성기'를 선보였다.
개발 기간은 어느 정도이고 얼만큼의 데이터가 해당 모델 학습에 쓰였나."개발 기간은 약 2년 정도다.
모델 학습에는 한국지능정보사회진흥원(NIA)이 수집한 공공 데이터를 활용했다.
화자 2000명의 목소리가 포함돼 있다.
한 명 당 2400·4800·1만2000개 단어·문장을 발화하는 형태였다.
"
-커스텀 음성합성기로 출력한 목소리가 문장 속 감정을 해석해 표현하는 것도 가능한가."감정 표현 관련 영역은 다른 팀에서 별도로 연구를 진행하고 있다.
기쁨·슬픔·화남 감정(스타일)을 변환해 목소리로 출력하는 등 식이다.
우리 팀에선 (출력 목소리가) 감정 표현하는 것을 지향하지는 않는다.
현 모델은 적은 데이터로 AI 목소리를 제작, 평서문을 최대한 자연스럽게 읽도록 하는 것에 강점이 있다.
"
