[서울파이낸스 이호정 기자] "1000문장 정도 읽으면 그 데이터를 인공지능(AI)이 훈련해서 그 1000문장 안에 없는 글자를 입력해도 말할 수 있도록 한다. 농인분들 같은 경우는 1000문장을 읽을 수 없으니까, 1000문장에 샘플 목소리를 어떻게 만들 것인가가 이번 프로젝트에 핵심이었다."
지난 24일 만난 박정석 KT AI연구소 융합기술원 팀장은 '마음 톡'의 기술을 설명하며 이같이 말했다.
앞서 KT는 지난 4월 9일부터 30일까지 사연을 받아 인공지능 기술로 목소리를 구현해주는 '목소리 찾기' 프로젝트의 참가자 20명을 선발했다. 이어 KT는 지난 25일 그들에게 인공지능(AI)을 기반으로 한 목소리 찾기 앱 '마음 톡'을 선물했다.
그들은 각자의 사연에 따라 목소리를 잃어 목소리에 대한 데이터가 존재하지 않는다. KT는 그들에게 목소리를 찾아주기 위해 인공지능을 이용해 목소리를 복원했다.
우선 참가자들의 목소리 구현이 가능한 조건(동성 가족 구성원 녹음 가능 여부)과 사연 등을 고려해 선발됐다. 목소리 구현을 위해 참가자 가족(동성 가족 구성원 1~2명)들은 5~6월 두 달 동안 목소리 녹음이 진행했다. 정교한 목소리 구현을 위해 준비된 1000문장을 녹음했고, 평균 인당 6시간이 소요됐다.
박정석 팀장은 목소리 복원을 위해 개인화 음성합성(P-TTS)기술을 이용해 녹음한 동성 가족의 목소리를 음성 데이터베이스(DB)를 바탕으로 실제 참가자의 성별, 나이, 구강구조 등 개인 특성을 반영해 수혜자만의 음색, 어조, 말투가 반영된 목소리를 생성했다고 설명했다.
박 팀장은 "특히 목소리는 구강구조와 상관관계가 있다"며 "하지만 구강구조를 다 찍을 수 없는 게 현실이어서 얼굴 이미지와 소리의 상관관계를 연구했다"고 말했다.
그는 "얼굴도 하나의 숫자로 표현할 수 있다. 눈의 위치, 얼굴의 길이 등을 다 텍스트로 만든다"며 "얼굴값이 들어오면 비슷한 소리를 찾아서 만드는데 정확할 수 없어 오차를 줄일려고 가족의 목소리를 기본으로 하고 형제자매와 주인공의 얼굴 특징이 다르니까 그 차이만큼 조정을 한다"고 설명했다.
그렇게 완성된 목소리를 통해 KT는 '마음 톡' 앱을 개발했다. 마음 톡 앱은 크게 △내 목소리 만들기 △실시간 대화하기 △내 목소리 음성통화·영상통화 기능이 탑재돼 있다. 이 기능들을 이용해 앱에 입력한 텍스트들을 상대방에게 목소리로 들려줄 수 있게 된다. 상대방은 평소와 같게 통화를 진행하면 된다.
앞으로 KT는 이러한 캠페인과 함께 가지고 있는 음성 합성 기술을 이용해 기업 간 거래(B2B) 시장에도 진출한다는 방침이다.
일례로 KT는 지난해 2월부터 고객센터에서 AI 목소리 본인인증을 도입한 바 있다. 기존에는 고객과 상담사 간 구두 질의(생년월일 등)로 본인확인을 했다면, 목소리 본인인증은 첫 등록이 후 화자인증시스템을 통해 목소리로 바로 본인확인을 진행한다.
박 팀장은 "현재 음성합성을 오디오북 출판사와도 시범적으로 이용하고 있다"며 "최근 오디오북의 수요는 많이 들어서 시각장애인뿐만 아니라 실버 세대, 다문화 가정의 한국어 교육용으로도 많이 이용한다"고 말했다. 이어 "음성 합성을 통해 오디오북을 만들면 성우가 만드는 가격에 15분의 1이라고 들었다"고 덧붙였다.
끝으로 박 팀장은 앞으로 마음 톡 이외에도 농인분들의 사회관계망서비스(SNS) 활동을 도울 수 있는 기능들이 나왔으면 좋겠다고 밝혔다.
그는 "최근 농인분들을 만나보니까 실제 이분들이 유튜브 등 SNS를 많이하고 자기 콘텐츠를 만들고 싶어한다"며 "그런 분들을 위해 그 분들 목소리를 합성해서 입혀주는 기능이 나오면 좋을 것 같다"고 말했다.
