본문으로 건너뛰기
인터페이스 언어: 한국어
감사 / Signal

AI 음성 합성: 대본은 맞는데 나레이터가 다른 모델을 말했다

완성된 AI 음성 녹음에서 이름, 코드, 치수와 문장의 경계를 확인합니다.

본문 언어: 한국어

네 사람이 원형 수조 둘레에 서 있고 한 사람이 물에 손을 대고 있습니다.
목차

목소리는 차분하고 문장은 매끄럽다. 음악도 작업실 장비를 소개하는 영상에 어울린다. 그런데 팀원이 나레이터가 다른 제품 모델을 여러 번 말했다는 사실을 발견한다. 코드에서 0이 빠진 것이다. 더듬는 소리는 없었다. 틀린 말도 확신에 차게 들렸다.

이는 가상의 영상이지만 음성 합성 결과를 검수할 때 무엇을 확인해야 하는지 보여 준다. 바로 완성된 소리의 의미다. 대본이 정확하고 목소리가 좋아도 듣는 사람이 다른 이름, 숫자 또는 지시를 알아듣는다면 충분하지 않다. 녹음을 직접 듣고 일부 질문은 대본을 보여 주지 않은 채 해야 한다.

듣는 사람이 무엇을 알아야 하는지 먼저 정한다

예시의 가상 브랜드 Nordvika는 코드 N-08B인 제품을 소개한다. 치수는 30~45밀리미터다. 여기에는 서로 다른 세 과제가 있다. 브랜드와 모델 코드를 구분하고, 0을 빠뜨리거나 문자와 숫자를 혼동하지 않고 코드를 재현하며, 범위의 양 끝과 단위를 이해해야 한다.

자료의 책임자는 브랜드 이름의 기대 발음을 정해야 한다. 회사가 만든 이름은 표기가 정확하다는 이유만으로 모델이 창작자의 의도를 알 수 없다. 합의한 발음을 글로 적거나 기준 녹음을 보관한다. 여러 발음을 허용한다면 어떤 발음까지 같은 브랜드를 분명하게 가리키는지도 정한다.

코드의 글자를 청중의 언어에 맞춰 합의한 방식으로 어떻게 읽을지 정한다. 특히 외국어 이름 옆에 나오는 경우 우연에 맡기지 않는다. 두 방식을 섞으면 각각의 소리는 자연스러워도 코드를 알아듣기 어려울 수 있다.

코드의 0을 장식처럼 취급하지 않는다. N-08B와 N-8B는 다른 제품일 수 있다. 듣는 사람에게 올바른 모델을 고르거나 들은 코드를 적어 달라고 한다. 대본을 보여 주며 “제대로 읽었나요?”라고 묻는 방식은 약하다. 눈으로 본 내용을 바탕으로 빠진 소리를 보완할 수 있기 때문이다.

범위에서 전달해야 할 뜻은 30밀리미터부터 45밀리미터까지다. 글의 기호만으로 읽는 방식이 정해지지는 않는다. 비슷한 기호가 코드, 범위, 뺄셈에 쓰일 수 있다. 두 숫자가 녹음에 있는지만 보지 말고 문장 전체의 의미를 평가한다.

범위와 두 치수도 구분한다. 여기서 “30-45 mm”는 범위지만 “30 × 45 mm”는 두 변의 크기를 뜻할 수 있다. 두 경우 모두 숫자 두 개로만 읽으면 관계를 잃는다. 숫자를 알아듣는 것뿐 아니라 숫자가 무엇을 나타내는지도 기준에 포함한다.

발음이 바뀌면 식별 대상이나 값이 달라지는 요소를 짧게 적는다. 이 자료에서는 이름, 코드, 범위와 단위다. 다른 자료라면 주소, 자리 번호나 회사의 약어가 추가될 수 있다. 모든 음절을 나열하기보다 듣는 사람에게 필요한 정보에 집중한다.

담당자가 정해진 회사 용어집에 합의한 발음도 보관할 수 있다. 의문을 해결하고 변경을 승인할 사람이 필요하다. 그렇지 않으면 교정자마다 자기 방식으로 고쳐 한 제품에 세 가지 이름이 남을 수 있다. 이 주제는 회사 용어집을 만드는 방법을 다룬 글 (폴란드어)에서도 살펴볼 수 있다.

표기 변경과 발음 제어를 구분한다

간단한 수정은 읽을 문장에서 약어를 풀어 쓰는 것이다. 적절한 문장에서는 “mm”를 단위의 전체 이름으로 바꿀 수 있다. 의도는 분명해지지만 다시 들어야 한다. 읽힌 값과 단위가 승인된 자료와 일치해야 한다.

화면에 보이는 문구까지 불필요하게 바꾸지는 않는다. 음성을 얻기 위해 적은 발음 표기가 상품 설명에는 어색할 수 있다. 승인된 화면용 텍스트와 합성 지침을 나누되 의미는 일치시킨다. 화면과 소리의 수신자가 같은 제품을 알아야 한다.

Google Cloud는 SSML의 일부 요소를 이용한 읽기와 발음 제어를 설명한다. SSML은 합성에 지침을 더하는 표기이며, 문서는 표준의 일부만 지원한다고 밝힌다. 모든 음성이 같은 설정을 받는다고 가정하지 말고 실제 사용하는 도구에서 확인한다.

코드 읽기, 이름 발음, 문장 사이의 쉼을 각각 설정할 수 있는지 살핀다. 속도 조절은 녹음 전체의 속도를 바꿀 수 있지만 코드를 숫자, 약어, 글자열 중 무엇으로 읽을지는 결정하지 않는다. 발견한 오류에 맞는 수정을 고른다.

Microsoft는 사용자 발음 사전과 언어 설정에 따른 지원을 설명한다. 자주 나오는 이름의 규칙을 관리하는 방법이 될 수 있다. 사전의 존재가 완성 파일의 정확한 발음을 증명하지는 않으므로 다시 들어야 한다.

규칙과 함께 문맥도 남긴다. 이름은 단독으로, 문장 처음에, 다른 이름 뒤에 또는 어미가 붙은 형태로 나올 수 있다. 실제 자료에 등장할 사용법을 확인한다. 짧은 표제에서 통하는 수정이 다른 어미까지 해결하지는 않는다. 사전을 추가했다는 사실이 아니라 구체적으로 확인한 사용 범위를 승인한다.

새 규칙은 이전에 정확했던 구절 몇 개에도 적용해 본다. 약어 확장이나 문자열 읽기 방식이 주변의 일반 단어까지 바꾸어서는 안 된다. 수정 전 예시, 변경 내용과 기대 결과를 보관한다. 두 긴 녹음을 기억으로 비교하는 것보다 영향 범위를 확인하기 쉽다.

Aeneia 콘셉트 사진

도구가 필요한 제어를 제공하지 않으면 읽을 문장을 바꾸거나 해당 구절에 다른 방법을 쓸 수 있다. 여러 버전을 만들기 전에 방향을 합의한다. 내보낸 뒤 이름을 일일이 수정하는 일은 영상 한 편에는 가능해도 수십 편에는 유지하기 어려울 수 있다.

한 언어의 발음 규칙을 다른 언어에 자동으로 옮기지 않는다. 이름이 같더라도 주변 문장, 활용과 코드 읽는 방식은 확인해야 한다. AI 문서 번역 (폴란드어)과 마찬가지로 용어 일치는 유창함과 별도의 기준이다. 해당 언어와 의도한 의미를 아는 사람이 검수해야 한다.

대본 없이 들으면 눈이 채워 넣던 부분이 드러난다

대본을 모르는 사람에게 녹음을 들려준다. 제품을 고르고 코드를 적고 치수 범위를 다시 말해 달라고 한다. 코드에 0이 있다는 힌트는 미리 주지 않는다. 답변 뒤에 텍스트를 보여 주고 차이를 비교한다. 여러 번 들어야 했다면 마지막 성공만 기록하지 말고 그 사실도 남긴다.

실제 대상과 비슷한 청자를 고른다. 카탈로그를 아는 직원은 0이 빠져도 지식으로 보완해 제품을 알아볼 수 있다. 새 고객은 그렇지 않을 수 있다. 카탈로그, 이미지나 이름에 대한 사전 지식의 사용 여부를 기록한다. 정답이 무엇을 증명하는지에 영향을 주는 조건이다.

선택지는 구체적인 문제를 구분해야 한다. N-08B와 N-8B는 0을, 문자 B와 숫자 8이 다른 코드는 또 다른 구별을 시험한다. 제품 코드 옆에 전혀 다른 분야의 이름을 놓는 식의 너무 쉬운 선택지만 주지 않는다. 쉬운 정답은 필요한 구별을 확인하지 못한다.

숫자는 실제 양으로 비교한다. “2.5센티미터”, “25밀리미터”, “25센티미터”는 리듬이 비슷할 수 있지만 마지막 값은 다르다. 동등한 단위 변환을 허용한다면 기준에 적는다. 값을 비교하지 않고 자동으로 오류나 개선으로 판단하지 않는다.

숫자만 잘라 듣지 말고 조건이 있는 문장 전체를 확인한다. 쉼과 강조가 범위와 단위를 분리하거나 코드 끝을 다음 정보에 붙일 수 있다. 특히 따로 생성한 조각을 이어 붙였다면 다음 문장으로 넘어가는 부분까지 듣는다. 한 단어를 고치며 옆 문장의 리듬이 바뀔 수 있다.

여러 제품이 나오면 각 코드를 올바른 이름과 짝지어 달라고 한다. 코드 하나하나가 정확해도 편집된 쉼 때문에 한 제품의 코드가 다음 제품의 설명과 연결될 수 있다. 비슷한 두 모델과 서로 다른 두 치수를 사용해 유지해야 할 쌍을 확인한다.

여기에는 AI 영상 자막 검수 (폴란드어)도 관련된다. 자막은 완성된 음성과 일치하고 적절한 시간에 나타나야 한다. 발음을 고쳐 구절이 길어지면 이전 자막 분할이 맞지 않을 수 있다. 한 영상에서 함께 작동해야 한다면 둘을 따로 승인하지 않는다.

쓰기 방향이 다른 텍스트의 이름과 코드는 문자 자체도 확인한다. 양방향 텍스트의 이름과 코드 (폴란드어)는 화면의 문제다. 음성 합성에서는 입력 순서와 읽힌 결과가 같은 식별자를 가리키는지 확인한다. 듣는 사람이 순서를 추측하지 않고 코드를 재현할 수 있어야 한다.

게시할 때 남을 배경음과 함께도 들어 본다. 깨끗한 파일에서 들리는 코드 끝이 음악이나 전환음에 묻힐 수 있다. 깨끗한 버전과 완성본을 비교하면 합성의 문제인지 편집의 문제인지 판단할 수 있다. 조립 과정에서 생긴 문제를 생성기에게 고치라고 요구하지 않는다.

자연스러움과 정확성은 따로 평가한다. 이름 발음은 받아들이면서 끊긴 문장 끝은 거절할 수 있고, 음색은 마음에 들어도 잘못된 코드는 거절할 수 있다. 발음 규칙, 속도, 편집과 텍스트 중 무엇을 고칠지 알 수 있도록 보고서에 구분해 적는다.

실제 파일을 승인하고 다음 자료에 쓸 규칙을 남긴다

수정 후에는 게시할 파일을 듣는다. 도구 안의 미리보기와 편집된 영상 또는 음악을 넣은 녹음은 다를 수 있다. 시작, 끝과 연결부를 확인한다. 이 예시에서는 짧게 자른 숨소리와 함께 코드 첫 글자가 사라지거나 음악이 줄어들며 마지막 단위가 묻혀서는 안 된다.

사용한 텍스트, 음성, 언어와 중요한 설정을 합의된 발음과 함께 기록한다. 완성 음성의 버전과 변경 후 확인한 구절도 표시한다. 다음 자료는 기억을 더듬지 않고 알려진 규칙을 사용할 수 있다. 다만 새 이름이나 생성 방식은 별도로 확인해야 한다.

음성을 바꾸어도 규칙은 유용하다. 새 목소리의 음색이 더 좋아도 같은 이름, 코드와 값 목록을 다시 확인해야 한다. 승인된 답이 있는 짧은 비교 세트를 보관한다. 전체 보관 자료를 포함할 필요는 없지만, 빠졌을 때 의미가 달라졌던 구별은 넣는다.

녹음이 대화의 일부라면 어시스턴트가 언제 말하고 멈추며 발언권을 넘기는지도 문제다. 이 범위는 음성 어시스턴트의 대화 턴 검토에서 다룬다. 완성된 한 문장의 발음이 좋다고 상호작용 전체가 올바른 것은 아니다. 여기서는 듣는 사람이 알아야 할 발화의 소리와 의미를 검수한다. 관련 논의는 음성 어시스턴트의 대화 검토를 다룬 글 (폴란드어)에 담겨 있다.

Aeneia Audit의 AI 활용 점검은 AI 활용과 데이터, 규칙을 다룬다. 이 활용에 관한 점검을 고려한다면 범위를 별도로 협의한다. 이름과 단위의 발음 평가는 음성 신원 확인이나 언어 장애 진단이 아니다.

마지막 시험에서 듣는 사람은 N-08B를 고르고 30~45밀리미터의 범위를 이해해야 한다. 다른 모델을 고른다면 녹음이 아무리 차분해도 차이를 다시 살핀다. 눈을 감아도 제품은 같은 제품이어야 한다.

Aeneia / Aeneia 편집부

편집부의 글입니다. 본문에 출처 링크가 있습니다.

Aeneia 소개

함께한 브랜드

  • L’Oréal
  • Garnier
  • Netflix
  • Carrefour
  • Warner Bros. Discovery
  • Biedronka
  • HBO Max
  • Wolt
  • Żabka
  • COSRX
  • 주폴란드 중국대사관
  • Mixa
Aeneia / Initium

지식에서 결정으로

정리하고 싶은 과제를 알려 주세요. 어디서 시작할지 함께 정합니다.

Aeneia에 문의하기

파트너의 솔루션을 활용합니다

  • Google
  • OpenAI
  • Microsoft
  • Stripe
  • Anthropic
  • Linear