- 텍스트 콘텐츠를 자연스러운 음성으로 변환해 사용자에게 전달하는 기능
- 뉴스 포털, 블로그, 오디오북 서비스 등에서 빠르게 확산 중. 이동 중이나 눈을 쓸 수 없는 상황에서 유용
- 과거 기계음 수준에서 벗어나 감정이 담긴 자연스러운 목소리로 진화
- 핵심 기술은 TTS(Text-to-Speech). 직접 개발보다는 오픈소스/상용 API를 활용하는 방식이 일반적
- 프로세스는 텍스트 콘텐츠 입력 → 음성 합성 모델 처리 → 오디오 콘텐츠 출력 순으로 이어짐
오픈소스 프레임워크
- Mozilla TTS : Tacotron2/FastSpeech2 등 최신 TTS 모델을 손쉽게 적용 가능. 특정 화자 목소리 합성과 감정/말투 조절 기능 일부 지원. 설정 간편, 초기 프로토타입이나 커스터마이징에 적합
- ESPnet : VITS, GAN-TTS 등 고도화된 모델 포함. 음질과 자연스러움을 최우선으로 하는 프로젝트에 적합. 설정이 복잡하고 학습 자원이 많이 필요해 연구 개발 목적에 잘 맞음
상용 API
- Microsoft Azure Neural TTS : 말투, 속도, 감정, 억양까지 세밀하게 조절 가능. 오디오북/내레이션처럼 몰입감을 요구하는 서비스에 적합
- Amazon Polly : WaveNet 기반. 다양한 언어와 목소리 옵션 제공
- Google Cloud TTS : 안정적인 고성능 TTS. REST API 호출만으로 고품질 음성 반환
상용 API는 별도 모델 구축 없이 텍스트만 보내면 음성이 바로 반환되어 유지보수가 쉽고 확장성이 뛰어남