TTSText-to-Speech

글부터 소리 낼 수 있는 모양으로 다듬어요

화면의 글에는 소리로 바꿀 수 없는 것이 섞여 있어요. 숫자, 단위 기호, 줄임말, 괄호, 화폐 표시 같은 것들이에요. 첫 단계는 이런 것들을 전부 읽을 수 있는 말로 풀어 쓰는 일이에요.

같은 숫자라도 자리에 따라 읽는 법이 달라져요. 층을 셀 때와 개수를 셀 때, 전화번호일 때가 다 다르고, 날짜와 시각도 각각 다른 방식으로 풀어야 해요. 이 단계를 대충 지나가면 뒤에서 아무리 목소리가 좋아도 어색하게 들려요.

한국어는 여기서 할 일이 더 많아요. 숫자 뒤에 어떤 단위가 붙느냐에 따라 세는 방식이 바뀌고, 외국어와 한글이 섞이면 어느 쪽 발음 규칙을 따를지도 정해야 해요.

어떻게 읽을지 정해요

다듬은 글을 소리의 최소 단위로 옮겨요. 글자 그대로가 아니라 실제로 발음되는 대로 적는 단계라서, 받침이 뒤 글자에 넘어가 붙거나 소리가 바뀌는 규칙이 여기서 적용돼요.

같은 글자를 다르게 읽는 말이 가장 까다로워요. 배가 과일인지 타는 것인지, 눈이 얼굴에 있는 것인지 하늘에서 내리는 것인지는 글자만 봐서는 갈리지 않아요. 앞뒤 문장을 함께 보고 어느 쪽인지 골라야 하는데, 짧은 문장 하나만 던져 주면 틀릴 확률이 올라가요.

사람 이름, 가게 이름, 새로 만들어진 말도 자주 흔들려요. 서비스에 따라 읽는 법을 직접 적어 넣을 수 있게 해 두기도 해요.

억양과 쉼은 글에 없어요

글에는 어떤 단어를 힘주어 말할지, 어디서 숨을 쉴지, 문장 끝을 올릴지 내릴지가 적혀 있지 않아요. 소리로 바꿀 때 이 정보를 새로 만들어 붙여야 해요. 억양이 없는 낭독이 로봇처럼 들리는 이유가 여기 있어요.

단서는 문장 부호와 문장의 짜임이에요. 물음표가 붙으면 끝을 올리고, 쉼표에서는 잠깐 멈추고, 긴 수식이 앞에 붙으면 그 뒤에서 한 번 끊어 줘요. 같은 문장이라도 부호를 바꾸면 읽는 소리가 달라지는 게 그래서예요.

그래도 사람만큼 상황을 알지는 못해요. 반가운 소식인지 나쁜 소식인지, 놀리는 말인지 진지한 말인지는 글자에 드러나지 않으니까요. 감정을 살려야 하는 곳에서는 억양을 따로 지정해 주는 편이 나아요.

마지막에야 실제 소리가 돼요

여기까지는 아직 소리가 아니에요. 어떤 발음을 얼마나 길게, 어느 높이로 낼지 적어 둔 설계도에 가까워요. 마지막 단계에서 이 설계도를 진짜 파형으로 바꿔 주는 부분이 따로 있고, 그 부분을 보코더라고 불러요.

앞부분이 잘 그려도 뒷부분이 거칠면 쇳소리나 웅웅거림이 남고, 뒷부분이 좋아도 앞부분이 억양을 잘못 그리면 또박또박하지만 어색한 낭독이 나와요. 목소리가 자연스러운지는 이 두 부분이 함께 만들어요.

앞에서부터 흘려보내요

긴 글을 통째로 만든 뒤 들려주면 첫 소리까지 오래 기다려야 해요. 그래서 문장이나 구절 단위로 나눠 만들면서 앞부분부터 내보내요. 얼음이 다 얼기를 기다리지 않고 언 것부터 받아 쓰는 셈이에요.

자주 쓰는 안내 문구는 아예 미리 만들어 두기도 해요. 반대로 사람마다 다른 이름이나 금액이 들어가는 문장은 그때그때 만들 수밖에 없어서, 두 방식을 섞어 쓰는 곳이 많아요.