일레븐 v3 컨버세이셔널

일레븐 v3 컨버세이셔널은 실시간으로 대화하는 상황에 맞춰 사람 목소리를 만들어내는 프로그램이다. 전화 상담원이 통화 중간에 살짝 웃거나 말끝을 흐리는 것처럼, 딱딱하지 않고 사람다운 억양 변화를 그 자리에서 즉시 만들어내는 게 특징이다.

이걸 만든 일레븐랩스는 원래 텍스트를 음성으로 바꿔주는 서비스를 개발자와 기업에 제공해온 회사다. 회사에는 이미 'Eleven v3'라는 기본 음성 모델이 있었는데, 이번에 나온 컨버세이셔널 버전은 그 기본 모델을 실시간 대화 전용으로 다시 다듬은 것이다. 문장을 미리 다 만들어서 재생하는 게 아니라, 마치 물이 흐르듯 음성을 순서대로 이어 만들어내는 방식이라 대화형 챗봇이나 음성 비서에 붙이기 적합하다.

한 가지 눈에 띄는 기능은 문장 사이에 감정이나 말투를 지정하는 표시를 끼워 넣을 수 있다는 점이다. 예컨대 웃음소리나 한숨 같은 표시를 넣으면 실제로 그 감정이 담긴 목소리로 읽어준다. 지원 언어도 70여개로 다양해서, 여러 나라 이용자를 상대하는 서비스에 적용하기 쉽다.

기사는 "'실시간 음성을 위한 가장 표현력 있는 모델'"이라는 회사 소개를 인용하며, 이 모델이 8월 20일 알파 단계를 벗어나 정식 출시(GA)됐다고 전한다. 다만 기사 자체가 짚듯, 기반 모델인 'Eleven v3'가 앞서 2월에 개선한 숫자·기호 읽기 정확도를 이번 컨버세이셔널 버전이 그대로 물려받았는지는 별도로 확인되지 않았다. 두 이름이 비슷해 같은 것으로 오해하기 쉽지만, 하나는 일반 텍스트투스피치용 기반 모델이고 다른 하나는 그걸 실시간 대화용으로 조정한 별도 버전이다.

1. 일레븐랩스의 텍스트투스피치 API 또는 음성 에이전트 제작 도구에 가입한다.
2. 사용할 음성 모델 목록에서 v3 Conversational을 선택한다.
3. 읽힐 문장 안에 감정을 나타내는 표시를 끼워 넣어본다. 예: "정말요? [웃음] 그건 몰랐네요."
4. 같은 문장을 언어만 바꿔 다시 생성해보고, 감정 표현이 언어가 달라져도 비슷하게 유지되는지 비교한다.