음성합성과 음성인식 기술은 인공 지능(AI)과 기계 학습 분야에서 매우 중요한 역할을 하고 있습니다. 이 두 기술은 상호 보완적인 성격을 갖지만, 그 작동 원리와 적용 분야에 있어서는 서로 다릅니다.

음성합성
(Text-to-Speech, TTS)

음성합성은 컴퓨터나 기타 전자 장치가 텍스트를 인간의 음성처럼 들리는 오디오로 변환하는 과정입니다. 이 기술의 주요 목적은 기계가 인간의 언어로 자연스럽게 말하도록 하는 것입니다.

작동 원리

1. 텍스트 처리: 입력된 텍스트는 먼저 처리되어 문장 부호, 숫자, 약어 등이 적절한 발음으로 변환됩니다.
2. 언어 분석: 문법적인 분석을 통해 단어와 문장의 강조, 억양, 리듬 등을 결정합니다.
3. 음성 합성: 실제 발음을 위해 음성 데이터베이스를 사용하거나 AI 기반의 합성 알고리즘을 사용하여 텍스트를 음성 신호로 변환합니다.

활용 분야

• 미술관, 박물관 등 오디오 가이드
• 장애가 있는 사람들을 위한 읽기 보조
• Siri, Google Assistant, Alexa 등 가상 비서
• 공공 안내 방송, GPS 내비게이션 시스템
• 오디오북 생성, 뉴스 읽기 등

음성인식
(Speech-to-Text, STT)

음성인식은 사람의 말소리를 텍스트로 변환하는 기술입니다. 이 기술은 사람이 말하는 언어를 인식하고 이해하는 데 중점을 둡니다.

작동 원리

1. 음성 신호 처리: 입력된 음성 신호는 노이즈 제거, 에코 제거 등의 처리를 거쳐 명확하게 만듭니다.
2. 음향 모델링: 음성 데이터를 분석하여 개별 음소(가장 작은 음성 단위)를 식별합니다.
3. 언어 모델링: 문맥을 이해하고 올바른 단어와 문장을 형성하기 위해 언어 모델을 사용합니다.
4. 결과 출력: 최종적으로 텍스트로 변환된 결과를 출력합니다.

활용 분야

• 음성 기반 가상 비서
• 음성 명령 및 제어 시스템
• 음성 텍스트 변환 서비스
• 의료, 법률, 교육 분야에서의 음성 기록
• 회의 또는 강의의 자동 필사

돌핀와우의 음성합성 기술

돌핀와우는 음성합성 AI기술을 개발하지는 않습니다. 다만, 기존에 잘 개발된 구글의 음성합성 기술을 차용하여 필요한 서비스를 만들고 있습니다.

구글을 선택한 이유는 다국어 음성합성이 필요해서입니다. 구글은 현재 전 세계 40여개의 언어와 220여개의 다양한 음성을 지원하기 때문입니다.

돌핀와우에서 개발한 '보이스코드'에서는 구글의 음성합성 기술을 도입하여 전세계 다양한 언어로 텍스트를 음성으로 변환합니다. 또한, 함께 제공되는 QR코드를 이용하면 음성합성 내용을 들을 수 있습니다.

돌핀와우의 음성인식 기술

음성합성과 더불어 음성인식은 컴퓨터와 소통할 수 있게 하는 중요한 AI 기술입니다. 돌핀와우는 음성인식을 이용해 '실시간 자막 서비스', '스마트 안내판' 등에 적용하였습니다.

이 음성인식은 웹 브라우저에서 작동하게 개발하여 다양한 웹 애플리케이션 제작에 활용하고 있습니다.