텍스트를 음성 mp3로 간단하게 변환하기 (With Naver Cloud Platform) : 딥러닝 몰라도 TTS 하는 법

텍스트를 음성 mp3로 간단하게 변환하기 (With Naver Cloud Platform)

: 딥러닝 몰라도 TTS 하는 법

Posted on February 16, 2020

 Naver Cloud Platform(이하 NCP)은 AI 서비스를 API 형태로 제공한다. 성능은 그들도 신이 아니기에 100% 완벽하지는 않지만, 직접 만들자 생각해보면 답 없… 적어도 현존하는 서비스 중에는 가장 높은 수준을 보이지 않나 생각한다(실제로 수많은 Task들에 이름을 올린 것으로 증명했다).

 이번엔 NCP의 Text-to-Speech(TTS) 모듈인 Clova Speech Synthesis(CSS)를 사용해 본 후기를 공유하고자 한다.


 

1. 애플리케이션 등록

 언제나와 같이 NCP로 이동하여 서비스를 신청하도록 하자. [서비스] → [AI Service] → [Clova Speech Synthesis(CSS)]로 이동한 후 [이용 신청하기]를 눌러주길 바란다.

 TTS는 STT와 굉장히 밀접한 관계를 가지고 있다. CSR과 CSS 또한 그러하여, 사용법이 굉장히 유사하다. [Application 등록]을 눌러 서비스를 생성!
 

 Application 이름을 입력한 후, 아래 리스트에서 사용하고자 하는 서비스를 선택한다. NCP에서 제공하는 TTS 모듈의 이름은 CSS임에 유의한다. 체크해준 후, 아래로 쭉쭉!
 

 Android와 iOS는 이번 글에서는 다루지 않는다(자꾸 CSR 때 했던 말을 반복하는 것 같다). 로컬 환경에서만 요청을 주고받을 것이므로 서비스 환경 등록 부분에는 https://localhost 를 입력하고 추가하면 애플리케이션을 등록할 수 있다.
 

 생성된 서비스의 [인증 정보]를 메모해두면 NCP에서 할 일은 끝났다. 정말 간단하다!


 

2. API 사용

 이번 모듈은 JSON 형태로 사용하는 방법을 알아내지 못했다(필자의 견문이 부족해서…). 하지만 Usage만 잘 살펴도 원하는 대로 커스텀 할 수 있을 정도로 코드가 간단하니, 걱정은 말자!

 아래 소스를 실행하면 text의 텍스트가 음성 파일로 변환되어 소스 경로에 저장된다.
 * 참고: 필자는 Jupyter Notebook에서 테스트를 진행했으며 그 외의 환경에서는 동작하지 않을 수 있다.

import os
import sys
import urllib.request
import time

client_id = "your_client_id" # 인증 정보의 Client ID
client_secret = "your_client_secret" # 인증 정보의 Client Secret

speaker = "jinho"
"""
음성 합성에 사용할 목소리 종류

mijin      : 한국어, 여성 음색
jinho      : 한국어, 남성 음색
clara      : 영어, 여성 음색
matt       : 영어, 남성 음색
shinji     : 일본어, 남성 음색
meimei     : 중국어, 여성 음색
liangliang : 중국어, 남성 음색
jose       : 스페인어, 남성 음색
carmen     : 스페인어, 여성 음색

"""
speed = 0 # -5(Fast) to 5(Slow)

text = urllib.parse.quote("네이버 클라우드 플랫폼의 CSS 모듈 시험 문장입니다.")
data = "speaker=" + speaker + "&speed=" + str(speed) + "&text=" + text

url = "https://naveropenapi.apigw.ntruss.com/voice/v1/tts"
request = urllib.request.Request(url)

request.add_header("X-NCP-APIGW-API-KEY-ID", client_id)
request.add_header("X-NCP-APIGW-API-KEY", client_secret)

response = urllib.request.urlopen(request, data=data.encode('utf-8'))

if response.getcode()==200:
    
    print("CSS 성공! 파일을 저장합니다.")
    
    now = time.localtime()
    response_body = response.read()
    file_name = "%04d%02d%02d_%02d%02d%02d" % \
                (now.tm_year, now.tm_mon, now.tm_mday,
                 now.tm_hour, now.tm_min, now.tm_sec) + "_" + \
                speaker + "_" + str(speed) + "_"
    
    with open(file_name + ".mp3", 'wb') as f:
        f.write(response_body)
        
    print("파일명:", file_name)
        
else:
    print("Error Code:" + rescode)

경축! 아무것도 안하여 에스천사게임즈가 새로운 모습으로 재오픈 하였습니다.
어린이용이며, 설치가 필요없는 브라우저 게임입니다.
https://s1004games.com

 오… 제법 자연스러운 음성이 생성되었다.

 하지만 Clova의 음성 생성 프로젝트들은 직접 더빙을 하거나 전화 상담을 할 정도로 수준이 높아 그만큼 기대가 되었는데, 그에 비하면 조금 아쉬운 결과긴 하다. 사실 요청 오는 고작 한 문장으로 감정 상태를 파악하는 게 절대 쉽지 않아서(솔직히 불가능이라서) 이보다 자연스러운 억양은 자동으로는 안될 것 같고, 감정 상태를 직접 정의해주는 방식으론 가능하지 않을까 생각한다. 작성 중에 알아보니 Clova Premium Voice에서 해당 기능을 지원하는 듯하다, 추후 다뤄보겠다...

 가지고 놀만한 것은 Speaker! 꽤 많은 음성이 준비되었다고 생각했는데, 직접 해보니 지원되지 않는 음성이 많았다. 한국어를 지원하는 음성이 있고, 올바른 언어를 전달해줘야만 동작하는 언어가 있다(대부분). 각자의 음성을 들어보도록 하자!

 다 각국의 언어로 TTS를 진행했지만 한국어를 지원하는 음성은 뭐였냐면…
 

 정말 이해할 수 없지만 이게 돼버렸다! 영어로 발음 기호를 적어서 준 것도, 일본어로 변환해서 준 것도 아니고… 그냥 한국어를 전달했는데 TTS가 된다! 다른 언어들은 한국어만 전달하면 인식할 수 있는 단어가 없어 HTTPError 400을 발생시킨다. 오직 shinji , 일본어에만 가능하다!

 텍스트를 발음 기호로 변환 후 처리하는 방식이 아닐까?라는 생각을 했는데, 그런 방식이면 어떤 언어던 다 작동되는 게 맞고… 정말 이해할 수 없다… 어쩌면 클로바 팀도 한본어를 꿈꾸고 계셨던 걸까 ㅋㅅㅋ?

 여하튼 한본어가 성공했으니 저 말을 스페인 억양으로 너무 시켜보고 싶은데 그게 안돼서 아쉽다…… 일본어도 해냈으니 스페인어도 해내실 수 있습니다…… 클로바 화이팅…!

 

Reference

• Naver Cloud Platform API 참조서

[출처] https://dev-sngwn.github.io/2020-02-16-tts-step-by-step/