음성 합성 기술

기계가 사람을 모방하는 시대를 넘어설까요?

가까운 미래에는 아예 봇이 사람을 대신하는 시대가 올 것입니다.

그 미래를 보여주기라도 하듯 2018년 구글은 듀플렉스(Duplex) 서비스를 통해 봇이 사람 대신 헤어숍이나 레스토랑에 전화를 걸어 복잡한 대화를 이해하고 예약을 마무리하는 것을 시연했습니다. 이건 단편적인 기술만으로 상대방이 사람인지 기계인지를 판별하는 것 자체가 불가능해질 것을 의미합니다.

네이버 클로바는 NES라는 음성 합성 기술을 최근 발표했는데요. 이는 40분 정도의 실제 사람 음성을 녹음하면, 그 사람의 음성에 가까운 합성음을 손쉽게 제작할 수 있는 기술입니다. 유명 연예인들의 음성으로 보이스 챗봇을 만드는 것도 손쉽게 가능하겠죠?

최근에는 고객서비스센터의 전화상담 서비스도 봇이 대체하기 시작했습니다. 기존의 고객상담 채팅 봇은 단순한 질문에 간단한 답만 해줄 수 있었던 반면, 요즘은 복잡한 고객 클레임에 관련 부서로 전화연결하고, 필요한 해결 방안을 제안할 수 있는 수준까지 가능하다고 하네요.

이런 기술이 발전하면 우리 사람들은 상대편이 기계인지 인간인지도 모르는 상태에서 같이 일하게 되고, 영화 <그녀(Her)>에서처럼 OS를 사랑하게 되는 날이 올지도 모르겠습니다. 기계와 인간을 구분하는 이런 기술들이 더 이상 효과가 없어진다면 어떤 일이 벌어지게 될까요?

---

https://m.blog.naver.com/clova_ai/221697920511

[CLOVA AI] 클로바 보이스의 NES 기술

네이버 클로바의 음성 합성 기술, Clova Voice

Clova Voice는 짧은 분량의 녹음 시간으로도 자연스럽게 완성된 목소리를 구현하는 기술을 갖추고 있습니다.

네이버 클로바의 음성 합성 기술 중 하나인 NES 기술에 대해 알아볼게요.

​

NES 기술?

어떤 점이 좋을까요?

NES는, Natural End-to-end Speech synthesis system의 약자로서, 약 40분 수준의 녹음 만으로도 특정 전문 분야에 대한 제약 없이 사용할 수 있는 기술로 사람의 음성에 가까운 자연스러운 목소리가 특징입니다.

​

짧은 녹음 시간

☞ 네이버 클로바만의 Speaker adaptation 기법을 사용하여, 약 40분의 음성 녹음 만으로 음성 합성 제작

​

고품질의 합성음

☞ 실시간 음성 생성이 가능한 Neural Vocoder를 사용하여, 실제 사람의 음성에 가까운 고품질의 합성음 제공

​

다양한 목소리 스타일

☞ 진지한 뉴스, 부드럽고 다정한 친구, 담백한 일상 대화 등 서비스에 어울리는 다양한 스타일의 합성음 제공

​

쉽고 빠른 목소리 개발

☞ 기존의 복잡한 *전사 작업 없이 텍스트와 음성만으로 새로운 음성 서비스 개발/제공

*전사: 녹음 음성을 텍스트로 옮기는 일