“인공지능(AI) 기술을 이용하면 오디오·영상 등에서 원하는 사람 목소리로 음성을 듣고 직접 제작도 할 수 있습니다. AI 음성합성 기술로 기존 콘텐츠 시장의 틀을 깨보고 싶습니다.”
AI 기술 스타트업 라이언로켓의 정승환(29·사진) 대표는 최근 서울경제와의 인터뷰에서 “오디오북이나 동영상 제작에 투입되는 많은 비용과 시간을 크게 줄일 수 있는 AI 기술을 사용자들이 쉽게 접하도록 하는 데 주력할 것”이라며 이같이 말했다.
라이언로켓은 AI가 특정 사람의 목소리를 합성한 음성으로 문장을 자연스럽게 읽어 내려가는 텍스트 음성 변환 기술을 개발했다. 20분 분량의 목소리 녹음 자료만 있으면 이를 AI가 학습하고 목소리 톤, 억양, 속도 등 특징을 분석해 텍스트를 자동으로 말하는 AI 음성합성 기술이다. 기존에 텍스트 음성 변환 기술이 음성을 자음·모음으로 나눠 소리를 붙인 것과 달리 이 AI는 목소리의 말뭉치를 그대로 학습해 재현한다.
정 대표는 “지하철 안내 방송처럼 성우 목소리를 장시간 녹음할 필요 없이 적은 양의 목소리 데이터만으로도 사실적으로 음성을 구현할 수 있는 알고리즘이 이 기술의 핵심”이라고 설명했다. 실제 지난해 4월 한 지상파방송의 총선 개표 방송에서는 각 정당 대표들의 목소리를 합성해 지역별 후보자·정당 득표율을 알리는 데도 적용됐다. 지난해 10월에는 문화재청과 함께 시각장애인용 점자감각책 제작을 지원했는데 목소리를 기부한 배우 이병헌과 한지민의 목소리를 재현했다.
정 대표는 “일상에서는 AI 기술을 체감하지 못하는 것 같다”며 “AI 음성합성으로 만드는 오디오북처럼 쉽게 경험할 수 있는 보편적 기술로 다가가도록 할 것”이라고 말했다. 성우가 참여하는 오디오북을 제작하려면 한 달 정도가 걸리고 1,000만 원 안팎의 비용도 드는 게 보통인데 AI를 활용하면 비용과 시간을 10분의 1로 줄일 수 있다는 설명이다. 라이언로켓은 미디어창비 등과 손잡고 지금까지 10권의 오디오북을 발간했다.
음성합성 기술의 영역을 영상으로도 넓혔다. 라이언로켓이 지난해 10월 시범 서비스로 내놓은 영상 제작 프로그램 ‘브레스(Vresss)’는 파워포인트 자료만 올리면 텍스트를 음성합성으로 더빙하고 자막도 자동으로 달아준다. 그는 “가령 교회 목사가 설교나 교육 자료 내용을 말하지 않아도 목사의 목소리를 재현해 동영상으로 제작할 수 있다”며 “현재 1,000여 명이 시범 사용 중인데 올해 상반기 웹서비스를 본격 오픈할 예정”이라고 말했다.
한양대에서 정보시스템학을 전공한 정 대표는 대학생 때 시각장애인용 오디오북 제작을 목표로 AI를 독학했고 2018년 같은 학과 학우 2명과 함께 음성합성 기술을 개발했다. 2019년 3월 회사를 세운 그는 짧은 업력에도 기술을 인정받아 민간 투자 주도형 기술창업지원(팁스) 등 그동안 받은 투자액만 20억 원에 이른다.
그는 앞으로 해외시장으로도 진출해 글로벌 공룡 기업들과 겨뤄보겠다는 목표를 세웠다. 그는 “그동안 촬영·편집·자막 등 콘텐츠 제작에 공을 많이 들여야 했던 환경을 스마트폰 하나면 손쉽게 만들 수 있도록 바꿔보겠다”며 “사람은 더 창의적 일에 집중할 수 있게 돕는 기술을 개발할 것”이라고 덧붙였다.
/박현욱 기자 hwpark@sedaily.com
< 저작권자 ⓒ 서울경제, 무단 전재 및 재배포 금지 >
