보이스 스티어링

보이스 스티어링은 글을 읽어주는 AI 목소리에게 「이렇게 연기해줘」라고 말로 지시하면 그대로 따라 하게 만드는 기능이다. 성우에게 대본을 주면서 「여기는 속삭이듯」 「이 대사는 화나게」라고 연기 지도를 하는 것과 비슷한데, 사람 대신 AI가 그 지시를 즉석에서 받아 목소리에 반영한다.

기존의 음성합성은 대개 정해진 톤 하나로만 읽어줬다. 슬픈 목소리, 밝은 목소리를 따로 쓰려면 처음부터 다른 설정을 골라야 했다. 반면 보이스 스티어링을 지원하면 똑같은 문장이라도 프롬프트를 「지치고 낮은 목소리로」라고 바꾸는 것만으로 결과물이 완전히 달라진다. 대형 언어 모델이 자연어 지시를 알아듣는 것과 비슷한 방식으로, 음성합성 모델도 톤·감정·말투를 지시문으로 조종하는 셈이다.

같은 화자의 정체성은 유지한 채 언어나 방언만 바꾸는 것도 이 기능과 함께 묶여 소개되는 경우가 많다. 콜센터 상담봇이 상황에 맞게 목소리 톤을 바꾸거나, 오디오북 내레이션에서 장면마다 감정을 다르게 표현하는 데 쓰인다.

Inworld AI는 자사 음성합성 모델 Realtime TTS-2를 소개하며 「보이스 스티어링 기능을 쓰면 연기 지도를 하듯 자연어로 목소리 톤이나 감정을 그때그때 조정할 수 있다」고 밝혔어요. 이 표현이 나오면 목소리 자체(성별·나이 등 화자 정체성)를 바꾼다는 뜻이 아니라, 같은 화자의 톤·감정·연기 스타일만 지시로 조정한다는 뜻으로 읽는 게 정확해요.

음성합성 도구에 같은 문장을 두 번 입력해 비교해보면 감이 온다.

1. 문장만 입력: 오늘 회의는 취소되었습니다.
2. 지시를 붙여 입력: (지치고 낮은 목소리로, 미안한 듯이) 오늘 회의는 취소되었습니다.
3. 다시 지시를 바꿔 입력: (밝고 경쾌하게, 안내방송처럼) 오늘 회의는 취소되었습니다.

같은 텍스트인데 톤과 감정이 얼마나 달라지는지 들어보면 보이스 스티어링이 하는 일을 직관적으로 확인할 수 있다.