AI 내레이션은 어쩌다 사람처럼 들리게 됐을까 (아직 어색한 순간도 있지만)

텍스트 음성 변환 하면 밋밋하고 기계 같은 목소리가 발음마다 틀리던 기억이 난다면, 그 기억은 이제 옛날 얘기예요. 합성 내레이션은 빠르게 좋아졌고, 이제 몇 시간이고 들을 만큼 듣기 편해요. 무엇이 달라졌는지 알아 두면 쓸모가 있어요. 그 자체로 흥미롭기도 하고, 어떻게 하면 가장 자연스러운 낭독을 얻는지, 어디서는 기대를 접어야 하는지도 알려 주거든요.

예전 방식, 그리고 왜 로봇처럼 들렸나

수십 년 동안 텍스트 음성 변환은 두 가지 기계적인 방식 중 하나로 돌아갔어요.

더 오래된 방식은 모음과 자음이 만들어지는 규칙에 따라 말소리를 만들어 냈어요. 그게 바로 그 특유의 웅웅대는 인공적인 목소리였죠. 다음 세대인 접합 합성은 진짜 사람이 낸 작은 소리 조각 수천 개를 녹음해 두고 즉석에서 이어 붙였어요. 단어 하나 수준에서는 더 사람 같았지만 이음매가 들렸고, 문장이라는 감각이 없었어요. 말소리를 냈을 뿐, 연기가 아니었죠.

이 방식들 모두에 없던 게 운율이에요. 말의 선율이죠. 질문 끝에서 올라가는 억양, 중요한 단어에 실리는 힘, 화제가 바뀌기 전의 짧은 멈춤 같은 것들이요. 목소리가 살아 있게 들리는 건 대부분 운율 덕인데, 규칙과 조각으로 만드는 방식엔 그게 거의 없었어요.

달라진 것: 흐름을 배운 신경망

요즘 내레이션은 진짜 사람 말을 대량으로 학습한 신경망이 만들어요. 조각을 잇는 대신, 모델이 자연스러운 말하기의 패턴을 배워 소리를 통째로 빚어내요. 규칙이 아니라 실제 예시에서 운율을 배웠으니, 질문 끝을 올리고 힘줄 단어에 힘을 주는 걸 웬만하면 해내죠.

품질을 한층 더 끌어올린 건 두 가지예요. 하나는 크기. 더 많고 다양한 말로 학습한 큰 모델일수록 미묘한 결을 더 많이 잡아내요. 다른 하나는 시간. 실시간이 아니라 미리 만들어 두면, 시스템이 문장과 문단 전체를 내다보며 계획할 여유가 생겨요. 뒤에 무슨 내용이 오는지 아니까 속도와 강조를 미리 다듬는 거죠. 미리 만든 클라우드 오디오는 매끄럽고 완성도 있게 들리는데 작은 실시간 음성은 그저 틀리지 않게 읽는 데 그치는 차이, 그 상당 부분이 이 계획에서 나와요.

합성 음성이 아직 헛디디는 곳

이건 다 풀린 문제가 아니에요. 그런 척할 필요도 없고요. 좋은 시스템도 아직 걸리는 게 몇 가지 있어요.

낯선 이름과 지어낸 단어. 판타지 이름, 드문 성, 외래어 차용은 짐작이고, 가끔 틀린 짐작이에요.
동형이의어. 철자는 같은데 다르게 읽는 단어예요. “He will lead the way”(이끌다)와 “a lead pipe”(납), “a bass guitar”(베이스 기타)와 “a bass in the lake”(호수의 농어)처럼요. 모델이 문맥의 뜻을 읽고 골라야 하는데, 이따금 놓쳐요.
반어와 속뜻. 비꼬는 대사를 곧이곧대로 읽어요. 단어 자체에는 그 어조가 안 담겨 있으니까요. 사람 내레이터는 내용을 이해하고 그 어조를 채워 넣죠.
한참 떨어진 곳에 걸린 강조. 세 문단 뒤에야 터지는 복선처럼, 한 단어를 어떻게 읽어야 할지가 한참 앞에서 나온 말에 달려 있으면 살려 내기 어려워요.

지금 기술이 걸려 넘어지는 지점이 이 정도예요. 점점 줄고 있지만 분명히 있고, 해석이 생명인 책에서 훌륭한 사람 내레이터가 예술성으로 여전히 앞서는 이유이기도 하죠.

가장 자연스러운 낭독을 얻는 법

그 점을 염두에 두고, 도움 되는 실용적인 요령 몇 가지예요.

공들여 들을 책이라면 더 풍부한 목소리를 고르세요. 휴대폰의 기기 내장 음성은 무료에 바로 재생되지만 살짝 밋밋해요. 훨씬 큰 모델로 만든 클라우드 오디오는 눈에 띄게 더 사람 같고요. BookNPC에서는 그게 스튜디오 옵션이고, 둘의 장단점은 기기 음성과 클라우드 내레이션 비교에서 다뤘어요.
iOS에서는 프리미엄 시스템 음성을 설치하세요. 무료 기기 경험도 그것만으로 많이 나아져요. 짧은 안내가 있어요.
책의 깨끗한 사본으로 시작하세요. 합성 낭독은 받은 텍스트만큼만 좋게 들려요. 진짜 구조를 갖춘 정갈한 EPUB은 매끄럽게 읽히고, 지저분하게 내보낸 파일은 어떤 목소리든 비틀거리게 해요.

솔직한 요약

AI 내레이션은 이제 “접근성 때문에 참고 듣는 것”이 아니라 “즐기려고 듣는 것”이 됐어요. 대부분의 책은, 대부분의 경우, 이제 자연스럽게 들려요. 다만 연기가 핵심인 책에서는 아직 최고의 사람 연기자를 못 따라가고, 이따금 이름이나 말장난을 헛짚기도 해요. 둘 다 맞는 말이에요.

기억할 만한 대목은 그 덕에 뭐가 가능해졌느냐예요. 상업적으로 녹음된 몇 권만이 아니라, 내가 가진 어떤 책이든 자연스러운 낭독으로 들을 수 있게 됐다는 거죠. BookNPC는 스튜디오 목소리는 클라우드에서 만들고, 무료 재생엔 기기 내장 음성을 써요. 그러니 내가 고른 책으로 이 기술이 지금 어디까지 왔는지 직접 들어 볼 수 있어요.