과연 미래에 인공지능 작곡가의 곡들이 우리의 귀를 사로잡을 수 있을까요? “AI vs 인간”에 출연한 김상욱 경희대학교 물리학과 교수는 “기존 패러다임을 바꾸는 건 AI에게 아직 어려운 일”이라며, “트렌드를 개척하는 것은 여전히 인간의 몫"이라고 말했어요. 그리고 언제나 말하듯, 인공지능 알고리즘을 만들기 위해 어떤 데이터를 수집할지, 어떻게 수집할지 결정하는 것은 인간이니까요. 설령 인공지능이 히트곡을 제조하는 시대가 온다고 해도, 그것 역시 인간의 승리라고 말할 수 있을 거예요.     

  

[뉴스] 'AI vs 인간' 트로트 작곡 대결, 인공지능 패배…"트렌드 개척은 여전히 인간의 몫?"

[뉴스] AI가 쓴 곡으로 데뷔한 세계 첫 가수

이런 자연스러운 목소리를 만들어내는게 가능한 이유는 기존의 TTS 기술이 아닌 딥러닝 기반 기술을 이용하였기 때문입니다. TTS(Text To Speech) 기술이라고 불리는 기존의 음성합성 기술을 간략하게 설명하면 다음과 같습니다. 모델이 되는 사람의 음성 데이터를 대량으로 수집해 그 데이터를 일정한 음성 단위로 나눕니다. 각 음성 단위마다 부호를 붙여 합성기에 입력한 뒤, 필요한 음성 단위만 다시 합쳐 말소리를 만들어냅니다. 이미 녹음된 말소리끼리 붙여 만들어진 목소리는 새로 쓴 텍스트의 맥락에 맞지 않을 수 있고, 음성 단위끼리 잘 연결이 되지 않아 어색할 수 밖에 없죠. 그러나 딥러닝 기반 TTS 기술은 녹음된 음성을 학습한 후 녹음되지 않은 목소리까지 예상해 생성해냅니다.  

이같은 딥러닝 기반 음성합성 기술은 2016년 구글 딥마인드가 자사 TTS ‘웨이브넷(Wavenets)’을 온라인 논문 공유집 아카이브(arXiv)를 통해 발표하며 발전하기 시작했는데요. 국내에서는 KT가 2018년 개그맨 박명수의 목소리를 개인화 음성합성(p-TTS) 기술로 구현해 공개하기도 했고, 네이버 클로바가 유인나의 목소리를 딥러닝과 기존 TTS 기술 원리를 결합한 HDTS 기술로 구현하기도 했어요. 

요즘은 취미나 부업으로 영상을 제작하는 사람이 많아 인공지능 성우가 많이 쓰이고 있다고 해요. 또, 시각장애인 등 시각정보를 사용하기 힘든 입장의 사용자들이 책이나 인터넷 문서를 읽을 때도 인공지능 보이스가 쓰이고요. 

물론, 이전 뉴스레터에서 지적했던 딥페이크 영상의 위험성처럼, 음성합성 기술도 악용될 위험성이 적지 않아요. 현재는 오디오 워터마크가 해결책으로 꼽히고 있는데, TTS 기술을 가진 회사도 기술을 사용하는 소비자도 확실한 윤리의식과 책임감을 가져야겠죠. 특히 사회에 큰 영향을 미치는 유명인의 목소리를 합성하는 기술을 함부로 공개하지 않는 등의 현실적인 규제책이 필요하다고 생각됩니다.     

 

[뉴스] 감정조절 가능한 인공지능 성우 등장

[뉴스] 인공지능 로봇, 인간의 목소리를 따라한다?

[테크리포트] AI와 만난 TTS, 목소리까지 훔치다

AI 뉴스 큐레이션 + 에디터의 코멘트까지! 

바쁜 당신을 위해 구독하세요🙌