구글 텍스트 음성 변환

1. 개요

구글 텍스트 음성 변환은 구글에서 제공하는 텍스트를 음성으로 변환하는 기술이다. 안드로이드 애플리케이션과 구글 클라우드 음성 변환 서비스를 통해 다양한 언어를 지원하며, 한국어를 포함하여 알바니아어, 아랍어, 벵골어, 중국어, 영어, 프랑스어, 독일어, 힌디어, 일본어, 스페인어 등을 지원한다. 2023년에는 '음성 인식 및 합성'으로 서비스 이름이 변경되었다. 이 기술은 딥마인드의 WaveNet을 기반으로 하며, 인간과 유사한 강세와 억양을 사용하여 음성을 합성하는 것이 특징이다.

2. 지원 언어

구글 텍스트 음성 변환은 전 세계 사용자들이 사용할 수 있도록 다양한 언어를 지원한다. 지원하는 언어는 다음과 같다.

2.1. 구글 음성 변환 안드로이드 애플리케이션

안드로이드 애플리케이션에서는 한국어^한국어(대한민국)를 포함하여 다음과 같은 다양한 언어를 지원한다.

2.2. 구글 클라우드 음성 변환

구글 클라우드 음성 변환 서비스는 한국어를 포함하여 다양한 언어를 지원한다. 지원되는 언어는 다음과 같다.

3. 역사

현대차는 2015년에 Android Auto 앱에 텍스트 음성 변환(Text-to-Speech) 기능을 적용한다고 발표했다. 이후 textPlus, WhatsApp과 같은 앱들도 텍스트 음성 변환 기술을 활용하여 알림을 읽어주거나 음성 응답 기능을 제공하기 시작했다.

3.1. 딥마인드 WaveNet 기술

구글 클라우드 텍스트 음성 변환은 구글의 영국 기반 AI 자회사인 DeepMind가 만든 소프트웨어인 WaveNet을 기반으로 한다. DeepMind는 2014년 구글에 인수되었다. 이 서비스는 경쟁사인 아마존 및 마이크로소프트와 차별화를 시도한다.

대부분의 음성 합성기(애플의 Siri 포함)는 프로그램을 통해 개별 음소를 저장한 다음 이를 조합하여 단어와 문장을 형성하는 연쇄 합성을 사용한다. 반면 WaveNet은 음절, 음소 및 단어에 인간과 유사한 강세와 억양을 사용하여 음성을 합성한다.

대부분의 다른 텍스트 음성 변환 시스템과 달리, WaveNet 모델은 처음부터 원시 오디오 파형을 생성한다. 이 모델은 방대한 양의 음성 샘플을 사용하여 훈련된 신경망을 사용한다. 훈련 과정에서 네트워크는 어떤 음이 서로 뒤따르는지, 현실적인 음성 파형이 어떻게 보이는지 등 음성의 기본 구조를 추출한다. 훈련된 WaveNet 모델은 텍스트 입력을 받으면 초당 최대 24,000개의 샘플로 개별 소리 간에 부드럽게 전환하면서 해당 음성 파형을 처음부터 한 번에 하나씩 생성할 수 있다.

3.2. 서비스 발전

DeepMind가 개발한 WaveNet을 기반으로 구글 클라우드 텍스트 음성 변환 서비스가 제공되기 시작했다. DeepMind는 2014년 구글에 인수된 영국의 AI 전문 기업이다. 이 서비스는 아마존, 마이크로소프트의 서비스와 차별화를 시도한다.

대부분의 음성 합성기는 연쇄 합성 방식을 사용한다. 이 방식에서는 개별 음소를 미리 저장해 둔 다음, 이를 조합하여 단어와 문장을 구성한다. Siri도 이 방식을 사용한다. WaveNet은 음절, 음소, 단어에 사람과 비슷한 강세와 억양을 넣어 음성을 합성한다.

대부분의 다른 텍스트 음성 변환 시스템과 달리, WaveNet 모델은 처음부터 원시 오디오 파형을 생성한다. 이 모델은 방대한 양의 음성 샘플을 사용하여 훈련된 신경망을 사용한다. 훈련 과정에서 네트워크는 어떤 소리가 서로 뒤따르는지, 실제 음성 파형이 어떻게 보이는지 등 음성의 기본 구조를 추출한다. 훈련된 WaveNet 모델은 텍스트 입력을 받으면 초당 최대 24,000개의 샘플로 개별 소리 간에 부드럽게 전환하면서 해당 음성 파형을 처음부터 한 번에 하나씩 생성할 수 있다.

2023년, 이 서비스는 '음성 인식 및 합성'으로 이름이 변경되었다.