짧은 답
텍스트 음성 변환(TTS) 음성은 세 가지를 제대로 해낼 때 자연스럽게 들립니다. 운율(문장의 억양과 강세), 리듬과 쉼, 그리고 이름, 숫자, 약어처럼 까다로운 부분의 발음입니다. 최신 신경망 음성은 이 세 가지를 예전의 기계적인 음성보다 훨씬 잘 처리하며, 이제 상당수가 iPhone 안에서만 동작합니다. 온디바이스 음성은 텍스트를 비공개로 지키고, 인터넷 연결 없이 동작하며, 글자 수 제한이 없습니다. 그 대가는 한 번의 다운로드와 약간의 저장 공간입니다.
음성을 자연스럽게 만드는 것
대부분의 사람은 처음 10초 만에 음성을 판단합니다. 하지만 이는 실수입니다. 요즘 음성은 거의 다 첫 문장이 좋게 들립니다. 책에서 중요한 것은 80페이지에서도 버티느냐이고, 그것은 몇 가지 구체적인 요소에 달려 있습니다.
운율: 문장의 멜로디
사람 낭독자는 의문문 끝에서 음을 올리고, 의미를 담은 단어에 강세를 주며("그녀가 가져갔다고는 안 했어"), 평서문 끝에서는 목소리를 내립니다. 단어 하나하나를 정확히 발음하더라도, 밋밋하거나 엉뚱한 억양은 가장 먼저 귀를 지치게 합니다.
리듬과 쉼
쉼표, 마침표, 문단 나눔, 대화문은 저마다 다른 쉼을 필요로 합니다. 어디서나 똑같이 짧게 쉬는 음성은 서두르는 것처럼 들리고, 쉼표마다 너무 오래 쉬는 음성은 머뭇거리는 것처럼 들립니다. 좋은 음성은 익숙한 표현에서는 살짝 빨라지고 길고 낯선 단어에서는 느려지는데, 이것이 말소리를 메트로놈이 아닌 살아 있는 소리로 느끼게 합니다.
까다로운 경우의 발음
소리가 하나라도 만들어지기 전에, 텍스트를 소리 낼 수 있는 단어로 바꾸는 단계가 먼저 있습니다. 데모에서는 근사하게 들리던 음성들이 실제 책에서 비틀거리는 곳이 바로 여기입니다.
- 숫자와 날짜: "1984"는 어떤 문장에서는 연도이고 다음 문장에서는 수량입니다. "3/4"는 분수일 수도, 날짜일 수도 있습니다.
- 약어: 영어에서 "St."는 Saint(성인)일 수도 Street(거리)일 수도 있고, "Dr."는 Doctor(박사)일 수도 Drive(도로)일 수도 있습니다.
- 철자는 같지만 읽는 법이 다른 단어: 영어의 "I read it yesterday"와 "I read every day"의 read, 금속인 "lead"와 팀을 이끄는 "lead"가 그렇습니다.
- 이름: 등장인물, 지명, 지어낸 단어는 어느 사전에도 없습니다.
이 모든 것을 늘 맞히는 음성은 없습니다. 그래서 발음을 고칠 수 있는 방법이 음성 자체만큼 중요합니다(아래에서 자세히 다룹니다).
기계적인 음성 vs 신경망 음성
대부분의 사람이 기억하는 "로봇 목소리"는 예전의 합성 방식에서 나온 것입니다. 규칙 기반 음성은 발성 기관을 본뜬 모델로 소리를 만듭니다. 빠른 속도에서도 매우 잘 알아들을 수 있어 일부 화면 읽기 프로그램 사용자는 지금도 이를 선호하지만, 누가 들어도 합성음입니다. 그다음 세대의 음성은 실제 화자의 짧은 녹음 조각을 이어 붙였는데, 가까이서 들으면 사람 같지만 조각이 이어지는 부분에서 이음매가 들립니다.
신경망 음성은 다르게 동작합니다. 수많은 시간의 녹음된 말소리로 학습한 모델이 텍스트로부터 문장 전체의 소리를 억양과 타이밍까지 포함해 예측합니다. 결과는 더 매끄럽고 사람이 읽는 소리에 훨씬 가깝습니다. 완벽하지는 않습니다. 신경망 음성도 가끔 엉뚱한 단어에 강세를 두거나 드문 이름 앞에서 머뭇거릴 수 있습니다. 하지만 오래 들을 때 피로도의 차이는 큽니다.
iPhone에는 이미 시스템 음성이 들어 있고, 일부는 설정 › 손쉬운 사용 › 음성 콘텐츠 › 음성에서 더 큰 향상됨 또는 프리미엄 버전으로 다운로드할 수 있습니다. 짧은 글에 잘 맞으며, iPhone이 텍스트를 소리 내어 읽게 하는 방법 가이드에서 이 음성들과 그 한계를 다룹니다.
온디바이스 vs 클라우드 텍스트 음성 변환
신경망 음성은 원격 서버에서 실행될 수도, 휴대폰에서 직접 실행될 수도 있습니다. 두 방식 모두 타당하며, 서로 다른 것을 주고받습니다.
| 클라우드 음성 | 온디바이스 음성 | |
|---|---|---|
| 텍스트가 가는 곳 | 변환을 위해 서버로 전송 | iPhone에 머무름 |
| 인터넷 연결 | 듣는 동안 또는 오디오 생성 시 필요 | 음성을 한 번 다운로드할 때만 |
| 제한 | 글자 수나 분 단위로 과금되는 경우가 많음 | 글자 수 할당량 없음 |
| 모바일 데이터 | 듣는 동안 사용 | 음성 설치 후에는 사용하지 않음 |
| 저장 공간 | 휴대폰에는 거의 차지하지 않음 | 음성마다 공간을 차지함 |
| 배터리 | 네트워크 사용 | 음성을 휴대폰에서 계산 |
| 표현력 | 가장 큰 모델은 매우 풍부한 표현 가능 | 낭독에는 근접하지만 휴대폰 성능의 제약을 받음 |
사람들이 과소평가하는 것은 프라이버시입니다. 업무 보고서, 계약서, 진료 관련 서신, 아직 발표하지 않은 원고를 듣는다면, 온디바이스 합성은 그 어떤 텍스트도 휴대폰 밖으로 나가지 않는다는 뜻입니다. 두 번째로 놀라게 되는 것은 실용성입니다. 비행기, 지하철, 신호가 잡히지 않는 산장, 피하고 싶은 로밍 요금. 온디바이스 음성은 그저 계속 읽어 줍니다.
비용도 분명히 있습니다. 음성은 가급적 Wi-Fi에서 다운로드해야 하고 저장 공간을 차지하므로, 실제로 쓸 음성만 설치하고 나머지는 삭제하세요. 음성 생성에는 프로세서가 쓰이므로, 긴 세션은 오디오 파일을 재생할 때보다 배터리를 더 소모합니다. iPhone에는 바로 이런 작업을 위해 설계된 Apple Neural Engine이 들어 있습니다.
VocaRead의 방식
VocaRead는 모든 음성을 기기에서 실행합니다. 음성을 한 번 다운로드하면 이후에는 모든 것이 오프라인으로 동작합니다. 계정도, 클라우드 처리도 없으며, 책은 iPhone 밖으로 나가지 않습니다. 30개 이상의 언어에 걸쳐 144개의 프리미엄 신경망 음성을 포함한 200개 이상의 음성이 있고, 신경망 엔진은 Apple Neural Engine으로 가속됩니다. 더 새로운 읽기 엔진은 설정 › 음성에서 선택해 켜는 베타로 제공됩니다. 써 보는 방법과 되돌리는 방법은 이 안내에서 설명합니다. 전체 음성 카탈로그도 확인해 보세요.
글자 수 계량기는 없습니다. 유일한 제한은 상업적인 것이며 처음부터 밝혀 둡니다. 책마다 90분의 무료 듣기, 그다음에는 한 번의 프리미엄 구매로 무제한 듣기입니다. 재생은 앱 안에서 이루어지며, MP3 파일로 내보내지는 않습니다.
책에 맞는 음성 고르는 방법
먼저 언어를 맞추세요
책의 언어에 맞는 원어민 음성을 항상 사용하세요. 영어 음성으로 프랑스어 소설을 읽으면 모든 이름과 대부분의 문장이 엉망이 됩니다. 여러 언어로 읽으신다면 하나의 음성으로 모든 것을 해결하려 하지 말고, 언어마다 좋은 음성을 하나씩 설치하세요.
책에 어울리는 낭독자를 고르세요
따뜻하고 여유로운 음성은 소설이나 회고록에 어울립니다. 또렷하고 중립적인 음성은 개성보다 명료함이 중요한 기술서나 보고서에 어울립니다. 대화가 많은 소설에는 억양 변화가 분명한 음성이 필요합니다. 낭독자 한 명이 모든 등장인물을 연기하기 때문입니다.
알맞은 페이지에서 시험해 보세요
1장의 첫 문단은 건너뛰세요. 대신 대화가 있는 페이지, 숫자나 날짜가 있는 페이지, 주요 등장인물의 이름이 나오는 페이지를 재생해 보세요. 그리고 결정하기 전에 10분은 들어 보세요. 샘플에서는 매력적이던 작은 버릇이 한 시간 뒤에는 거슬릴 수 있고, 그 반대도 마찬가지입니다.
책마다 속도를 정하세요
VocaRead에서는 속도를 0.5x부터 2.0x까지 설정할 수 있고, 책마다 기억됩니다. 1.0x에서 시작해 조금씩 조정하세요. 내용이 빽빽한 논픽션은 보통 속도이거나 그보다 살짝 느릴 때 가장 잘 들리고, 익숙한 장르나 다시 읽는 책은 1.3x 이상으로 올려도 됩니다. 외국어로 읽는다면 0.8x 정도로 늦추면 음성은 자연스러움을 유지하면서 따라갈 시간이 생깁니다.
사용자 지정 발음으로 이름과 단어 고치기
아무리 좋은 음성도 지어낸 이름은 잘못 짐작하고, 같은 실수를 매 페이지 반복합니다. VocaRead에서는 단어를 길게 누르고 어떻게 읽어야 하는지 입력하면, 그 규칙이 해당 언어에 저장되고 iCloud를 통해 iPad에도 동기화됩니다. 한 번 고치면 책 전체가 고쳐집니다. 잘못 발음되는 이름 고치기 가이드에 잘 동작하는 규칙을 쓰는 팁이 있습니다.
합성 음성이 아직 덜 잘하는 것
여기서는 솔직한 편이 도움이 됩니다. 합성 낭독자는 좋은 배우보다 시를 밋밋하게 읽고, 등장인물마다 목소리를 바꾸지 않으며, 사람이라면 어조에 담았을 반어를 놓칠 수 있습니다. 표, 각주, 긴 참고 문헌 목록은 어떤 음성에게나 어색합니다. 연기가 중심인 소설이라면 사람이 낭독한 오디오북이 여전히 더 나은 경험일 수 있습니다. 하지만 앞으로도 오디오북이 나오지 않을 수많은 책, 논문, 문서에 대해서는, 자연스러운 온디바이스 음성이 있어야 비로소 들을 수 있습니다. 둘의 비교는 텍스트 음성 변환 vs 오디오북에서 다룹니다.
자주 묻는 질문
온디바이스 음성이 클라우드 음성만큼 좋은가요?
낭독에 한해서는 최고의 온디바이스 신경망 음성이 근접하며, 프라이버시, 오프라인 사용, 사용량 제한이 없다는 점에서는 앞섭니다. 가장 큰 클라우드 모델은 더 풍부한 표현이 가능하지만, 텍스트를 외부로 보내고 사용량만큼 비용을 내야 합니다.
들을 때 제 텍스트가 어딘가로 전송되나요?
온디바이스 합성에서는 그렇지 않습니다. VocaRead에서는 오디오가 iPhone에서 생성되고 책은 기기를 떠나지 않습니다. 인터넷 연결은 음성, 무료 책, 웹 페이지를 다운로드할 때만 필요합니다.
오프라인 음성은 저장 공간을 많이 차지하나요?
음성마다 휴대폰에 남는 다운로드입니다. 실제로 듣는 음성만 언어당 하나나 둘 정도 설치하고, 써 보고 남기지 않은 음성은 삭제하세요.
어떤 속도를 써야 하나요?
1.0x에서 시작해 음성이 더 이상 의식되지 않을 때까지 조금씩 조정하세요. 대부분의 청취자는 1.0x에서 1.5x 사이에 정착하며, 내용이 빽빽하거나 외국어일 때는 더 느리게 설정합니다.
음성을 판단하는 가장 좋은 방법은 잘 아는 책으로 들어 보는 것입니다. VocaRead를 다운로드해서 갖고 계신 파일 하나를 가져와 몇 가지 음성을 시험해 보세요. 모든 책에 90분의 무료 듣기가 포함되어 있고, 프리미엄은 구독이 아닌 한 번의 구매입니다.