TTS 4장 카드뉴스

음성 AI 분야에서 쓰이는 Text-to-Speech(텍스트 음성 변환)의 약자로, 글로 된 문장을 사람 목소리 같은 음성으로 바꿔 주는 기술입니다. 음성을 텍스트로 옮기는 STT의 반대 방향입니다. 2016년 DeepMind의 WaveNet이 파형을 직접 생성하는 딥러닝 방식으로 품질을 크게 끌어올린 뒤, 지금은 몇 초 분량 샘플로 특정인의 목소리를 재현하는 수준까지 왔습니다. 내레이션·더빙·AI 상담·음성 에이전트에서 '입' 역할을 맡습니다.

티티에스(TTS, Text-to-Speech)는 컴퓨터가 글을 소리 내어 읽어 주는 기술입니다. 지하철 안내방송, 내비게이션 음성, 유튜브 AI 더빙이 모두 TTS예요. 예전에는 녹음된 음절을 이어 붙여 어색했지만, 지금은 AI가 파형을 통째로 생성해 사람 목소리와 구분이 어려운 수준입니다. 음성을 글로 바꾸는 STT가 AI의 귀라면, TTS는 입에 해당합니다.

케이스 1: DeepMind — WaveNet, 사람과의 격차를 절반으로 DeepMind는 2016년 오디오 파형을 샘플 단위로 직접 생성하는 WaveNet을 공개했습니다 [1]. 청취 평가에서 기존 연결식·파라메트릭 방식을 모두 앞섰습니다 [1]. 영어·중국어 모두에서 검증했고, 이후 Google의 상용 TTS 음성으로 이어졌습니다 [1]. 도입효과: 음성 자연스러움 MOS 4.21(5점