ASP.NET 프로그램에서 음성 합성 구현

저자：Eve Cole 업데이트 시간：2009-06-30 16:07:51

요즘 음성 합성이 점점 더 보편화되고 있다는 사실을 눈치채셨을 것입니다. 수백 가지의 전자 장난감과 장치가 기계 음성으로 소유자에게 말할 수 있습니다. 말하는 아기 인형, 말하는 만보계, 새로운 자동 전화 시스템 등 텍스트를 사용하여 말하는 제품이 거의 매일 출시됩니다.

음성 합성이라고도 알려진 TTS(텍스트 음성 변환) 기술은 입력 텍스트를 오디오 음성으로 변환하는 프로세스입니다. 이 접근 방식은 미리 녹음된 텍스트보다 낫습니다. 즉, 말하려는 내용에 대한 사전 지식이 필요합니다. TTS를 사용하면 동적 정보를 추가할 수 있습니다. 동적 정보는 데이터베이스에서 가져오거나 사용자가 반복할 수 있습니다.

1. TTS 테스트

TTS가 실제로 작동하는 것을 보거나 들었다면 ReadPlease 2003의 무료 버전을 다운로드할 수 있습니다. 이 제품은 Windows 클립보드에서 텍스트를 읽을 수 있습니다. 이를 사용하려면 ReadPlease 편집기에 일부 텍스트를 붙여넣기만 하면 됩니다(그림 1 참조). PC 스피커가 켜져 있다고 가정하면 텍스트가 재생되는 것을 들을 수 있습니다. 현재 이 제품은 모든 Windows 데스크톱 OS 버전에서만 작동하지만 Mac, Unix, Palm 및 Windows CE 시스템용 버전도 출시할 계획입니다.

ReadPlease의 흥미로운 점은 ReadPlease 편집기를 사용하여 TTS 매개변수 선택을 실험할 수 있다는 것입니다. 예를 들어, 그림 1에 표시된 속도 슬라이더 컨트롤을 위나 아래로 움직여 관절 속도를 조정할 수 있습니다. 작은 얼굴 아이콘 아래의 화살표 버튼을 클릭하여 사용되는 음성을 변경할 수도 있습니다.

그림 1. ReadPlease 2003 애플리케이션: 이 Windows 애플리케이션은 클립보드에서 편집 필드에 붙여넣은 모든 텍스트를 읽을 수 있습니다.

뭐가 필요하세요? Visual Studio.NET 2003, Microsoft 음성 응용 프로그램 SDK 1.1

"도구" 메뉴를 클릭한 다음 "옵션"을 선택하면 TTS 편집기를 추가로 실험할 수 있습니다. 예를 들어 단락 사이의 음성 엔진 일시 중지 길이를 조정할 수 있습니다. ReadPlease Plus 버전으로 업그레이드하면 특정 단어의 발음 방법을 지정할 수 있는 추가 발음 편집기 옵션에 액세스할 수 있습니다. ReadPlease Plus에는 Windows 바탕 화면 상단에 도킹할 수 있는 작업 표시줄도 포함되어 있습니다. 따라서 파일 기반 응용 프로그램의 텍스트를 작업 표시줄로 빠르게 끌어서 읽어줄 수 있습니다.

기본적으로 ReadPlease 애플리케이션은 내장된 Microsoft 음성(Mark, Mike, Sam 또는 Marilyn)을 사용합니다. 그러나 AT&T Natural Voices Starter Pack에서 제공되는 것과 같은 고품질 AT&T Natural Voice를 선택적으로 구입할 수 있습니다. 스타터 팩에는 "Mike"와 "Crystal"의 8K 버전이 포함되어 있으며 둘 다 기본 Microsoft 음성보다 더 나은 사운드를 제공합니다.

작성자 참고 사항: 8K라는 용어는 WAV 파일을 생성하는 데 사용되는 샘플링 주파수가 초당 8000비트에서 발생한다는 의미입니다. 또 다른 형식은 16k로, 보다 명확하고 자연스러운 청취 효과를 제공합니다. 기본적으로 샘플링 속도가 높을수록 음질이 좋아집니다.

2. 마이크로소프트 음성 애플리케이션 개발 키트 SDK 1.1

2004년에 Microsoft는 Microsoft Speech Server를 출시했으며 Speech Server에서 실행되는 웹 기반 음성 프로그램을 개발할 수 있는 무료 SDK가 있습니다. SDK를 사용하면 전화를 사용하여 컴퓨터와 사용자 간 상호 작용이 이루어지는 전화 통신 또는 음성 전용 애플리케이션을 구축할 수 있습니다. 사용자가 음성 또는 기존 웹 컨트롤을 입력으로 사용하도록 선택하는 다중 모드 애플리케이션을 구축할 수도 있습니다.

Microsoft TTS 엔진은 단어를 음소로 분할하여 텍스트를 합성합니다. 음소는 인간 언어의 기본 단위입니다. 이는 단어의 소리를 구성하는 "소리" 그룹을 나타냅니다. 추출된 음소는 TTS 엔진에 의해 분석되어 디지털 오디오 음성을 생성하는 데 사용되는 기호로 변환됩니다.

이 문서와 함께 제공되는 다운로드 가능한 샘플 애플리케이션(ExploringTextToSpeech.csproj)을 사용하여 Microsoft TTS 엔진의 구성 가능한 측면을 실험해 볼 수 있습니다. 이 다중 모드 애플리케이션은 일부 텍스트를 입력할 수 있는 웹 페이지(그림 2 참조)로 구성됩니다. 그런 다음 버튼을 클릭하면 다음과 같은 방식으로 텍스트를 들을 수 있습니다.

작성자 메모: 재생할 텍스트를 미리 알 수 없는 경우 TTS 엔진을 사용하는 것은 불가피합니다. 그러나 오디오를 녹음하면 더 나은 음질을 얻을 수 있습니다. 오디오 품질이 중요한 경우 Microsoft SASDK(Speech Application Software Development Kit)를 사용하여 오디오를 녹음할 수 있습니다. 예를 들어, 녹음된 오디오를 사용하여 사용자에게 정보를 묻는 메시지를 표시할 수 있습니다. 녹음된 오디오는 일련의 신호로 분할된 다음 런타임 시 연결될 수 있습니다.

· 일반적으로 텍스트 말하기 - 테스트 벤치마크 제공

· 약어로 말하기 - "ASP" 텍스트는 "ASP"에 의해 생성됩니다.

· 이름대로 Mr.John Doe가 공격을 받았습니다 "Mister John Doe"

· Say As Date - 이 경우 날짜 형식은 월, 일, 연도입니다.

· 웹 주소로 말하기 - 이 경우 텍스트는 URI(Uniform Resource Identifier) 형식으로 지정됩니다.

· 숫자로 말하기 - 텍스트로 입력된 숫자가 일련의 숫자로 표시됩니다.

· 높은 음조/느린 속도 - 텍스트가 천천히 높은 음조로 방출됩니다.

· 빠른 속도/볼륨 크게 - 텍스트가 빠른 고음으로 방출됩니다.

· 낮은 피치/볼륨 소프트-텍스트가 적당한 볼륨에서 낮은 피치로 방출됩니다.

그림 2. 샘플 애플리케이션 - 이 애플리케이션을 사용하여 다양한 방식으로 말하는 텍스트를 들을 수 있습니다.

다중 모달 애플리케이션은 프롬프트 컨트롤을 사용하여 사용자에게 재생될 오디오를 지정합니다. 프롬프트 컨트롤에는 InlineContent 속성이 포함되어 있습니다. 여기에는 Content 또는 Value인 기본 음성 컨트롤이 포함될 수 있습니다. 콘텐츠 컨트롤은 저장된 오디오 녹음이 포함된 특정 프롬프트 파일을 지정합니다. Value 컨트롤은 HTML 웹 페이지의 요소를 지정합니다. 샘플 애플리케이션은 txtText라는 입력 요소를 참조하는 Value 컨트롤을 사용합니다(그림 2의 "여기에 텍스트를 입력하세요:" 필드). 다음은 프롬프트에 사용되는 주석을 설명하는 HTML입니다.

<음성:프롬프트 id="prmText" runat="서버">
＜인라인콘텐츠＞
<음성:값 runat="서버"
TargetElement="txtText"
TargetAttribute="값">
</speech:값>
</인라인콘텐츠>
</speech:프롬프트>

3. 음성합성 주석언어

TTS 엔진은 InlineContent 특성에서 참조하는 텍스트를 재생하는 방법에 대해 특정 기본 가정을 설정하지만 개발자는 SSML(Speech Synthesis Markup Language) 요소를 사용하여 TTS 엔진이 오디오를 생성하는 방법을 제어할 수 있습니다. W3C 협회의 권고에 따르면 SSML은 XML 기반 마크업 언어입니다. 표 1에는 SASDK에서 지원하는 SSML 요소가 나열되어 있습니다.

표 1. 지원되는 SSML 요소: 이 표에는 SASDK에서 지원되고 TTS 엔진이 텍스트를 생성하는 방식을 제어하는 데 사용되는 SSML 요소가 나열되어 있습니다.

SSML 요소	설명
ssml:paragraph/ssml:sentence는	텍스트를 문장이나 단락으로 나누는 데 사용됩니다.
ssml:say-as는	텍스트 재생 방법을 지정하는 데 사용됩니다. 텍스트 유형을 지정하기 위해 여러 가지 다른 속성을 허용합니다.
ssml:phoneme은	단어의 발음을 제어하는 데 사용됩니다.
ssml:sub는	지정된 텍스트를 대체할 대체 단어나 구문을 지정하는 데 사용됩니다.
ssml:emphasis는	단어나 문구에 강세를 더하는 데 사용됩니다.
ssml:break는	텍스트의 특정 단어 사이에 일시 중지를 삽입하는 데 사용됩니다.
ssml:prosody	는 피치, 속도 및 볼륨을 제어하는 데 사용됩니다.
ssml:audio는	녹음된 오디오 파일을 삽입하는 데 사용됩니다.
ssml:mark는	텍스트의 특정 위치에 표시를 삽입하는 데 사용됩니다. 그런 다음 이 태그를 사용하여 이벤트를 나타내거나 동작을 트리거할 수 있습니다.

이 샘플 애플리케이션은 say-as 및 prosodySSML 요소의 사용을 보여줍니다. Default.aspx 페이지의 각 단추는 프롬프트 컨트롤에 해당합니다. 이러한 프롬프트 컨트롤에는 InlineContent 요소 내에 ssml:say-as 또는 ssml:prosody 요소가 포함되어 있습니다. 다음 예에서는 이러한 요소 중 하나에 대한 HTML 마크업을 보여줍니다.

＜음성:프롬프트 id="prmSayAsAcronym" runat="서버">
＜인라인콘텐츠＞
<ssml:say-as type="acronym">
<음성:값 runat="서버"
TargetElement="txtText"
TargetAttribute="값"></speech:값>
</ssml:say-as>
</인라인콘텐츠>
</speech:프롬프트>

사용자가 이러한 버튼 중 하나를 클릭하면 아래와 같은 JavaScript가 실행됩니다.

함수 SayAs약어() {
prmSayAsAcronym.Start();
}

위의 예에서 prmSayAsAcronym이라는 프롬프트에는 ssml:say-as 요소가 포함되어 있습니다. 이 요소는 txtText 입력 요소에 포함된 모든 텍스트가 각 단어의 첫 글자와 함께 내보내지도록 지정합니다. 따라서 텍스트 요소에 "ASP"를 입력하고 "Say As Acronym"을 클릭하면 TTS 엔진이 각 문자를 읽습니다.

샘플 애플리케이션을 실험하려면 일부 텍스트 조각을 입력하고 각 버튼을 클릭하여 TTS 엔진이 텍스트를 해석하는 방법을 확인할 수 있습니다. 요소 값을 변경하고 각 컨트롤이 생성되는 방식을 실험해 볼 것을 권장합니다. SASDK는 개발자에게 TTS 엔진이 텍스트를 생성하는 방법을 효과적으로 제어할 수 있도록 하므로 실험을 통해 보다 자연스러운 음성 기반 애플리케이션을 개발할 수 있습니다.