오디오 태그

오디오 태그는 글을 소리로 바꾸는 프로그램에게 '여기서는 이렇게 말해줘'라고 알려주는 문장 속 지시어다. 연극 대본에 배우가 참고하라고 적어 놓는 지문을 떠올리면 된다. 대본에 (웃으며) 나 (속삭이듯) 같은 괄호 글이 있으면 배우가 그 부분에서 웃거나 목소리를 낮추듯이, 오디오 태그도 문장 사이에 심어두면 음성을 만드는 프로그램이 그 자리에서 웃음기를 섞거나 말끝을 흐리는 식으로 소리를 바꿔낸다.

중요한 건 이 태그가 실제로 들리는 소리 파일이 아니라 글자로 된 지시 표시라는 점이다. 사람이 읽는 문장 자체는 그대로 두고, 태그만 추가로 끼워 넣으면 결과물 음성의 감정과 속도, 억양이 달라진다. 그래서 개발자가 챗봇이나 음성 서비스를 만들 때 문장에 태그를 어떻게 배치하느냐에 따라 같은 말도 딱딱하게 들리거나 다정하게 들리게 만들 수 있다.

기사에서는 "텍스트를 음성으로 바꾸는 과정에서 문장에 오디오 태그를 삽입해 감정이나 억양, 말하는 속도 같은 디테일을 세밀하게 조절할 수 있도록 설계됐다"고 설명한다. 오해하기 쉬운 부분은 오디오 태그를 별도의 음성 파일이나 효과음으로 착각하는 것인데, 실제로는 텍스트 안에 심는 글자 형태의 지시어다.

음성 합성 API에 보낼 문장을 쓸 때, 말하고 싶은 부분 앞뒤로 감정이나 톤을 나타내는 짧은 표시를 괄호 형태로 끼워 넣어 보자. 예를 들어 '(웃으며) 정말요? (속삭이듯) 그건 비밀인데요' 처럼 문장을 구성한 뒤 텍스트투스피치 서비스에 그대로 입력하면, 태그가 없을 때와 소리가 어떻게 달라지는지 비교해 볼 수 있다.