ChatGPT와 생성형 AI를 활용한 콘텐츠 제작 가이드: 텍스트를 음성으로 변환하기

텍스트에서 음성으로: OpenAI API의 활용

OpenAI는 다양한 언어를 지원하는 텍스트-음성 변환(TTS) API를 제공합니다. 이를 통해 블로그 포스트를 내레이션하거나, 다국어 오디오 콘텐츠를 생성할 수 있습니다. 또한, 실시간 오디오 스트리밍도 가능하여 다양한 응용 분야에서 활용될 수 있습니다.

텍스트 to 음성 변환 API의 기능

• 텍스트를 입력받아 음성 파일(mp3, flac, aac, opus 등)로 출력

• 다양한 언어 및 음성 지원

• 실시간 오디오 스트리밍
  

실습: OpenAI API를 사용하여 텍스트를 음성으로 변환하기

이제 실제로 OpenAI API를 사용하여 텍스트를 음성으로 변환하는 방법을 알아보겠습니다.

우선, Python 환경에서 OpenAI API를 사용할 수 있도록 설정합니다. OpenAI 라이브러리를 설치하고 API 키를 준비해야 합니다. (앞서 강의들에서 설명했으니, 참고하세요)

import openai

openai.api_key = "YOUR API KEY"

FILE_SAVE_PATH = "./"
PROMPT = "안녕하세요 프리 튜터입니다."

MODEL = ["tts-1", "tts-1-hd"]
VOICE = ["alloy", "echo", "fable", "onyx", "nova", "shimmer"]
RESPONSE_FORMAT = ["mp3", "opus", "aac", "flac", "wav", "pcm"]
SPEED = 1.0

def generate_speech_with_prompt(prompt: str, model: str, voice: str, response_format: str, speed: float):
  response = openai.audio.speech.create(
    input=prompt,
    model=model,
    voice = voice,
    response_format=response_format,
    speed=speed
  )
  request_id = response.response.headers["x-request-id"]
  file_save_path = f"{FILE_SAVE_PATH}{request_id}.{response_format}"
  print()
  print("Saving audio...")
  print()
  response.stream_to_file(file_save_path)
  return file_save_path

file_save_path = generate_speech_with_prompt(PROMPT, MODEL[1], VOICE[0], RESPONSE_FORMAT[0], SPEED)
print(f"File Path : {file_save_path}")

File Path : ./req_6ac8b1656fc24fb80e75fe08b9b03d39.mp3

이 예제는 텍스트를 “alloy” 음성으로 변환하고, 파일명이 중복되지 않게 request id를 추출하여 파일 명으로 설정 후, 요청한 포멧 형식으로 저장하는 과정입니다. API는 다양한 출력 포맷을 지원하므로 필요에 따라 다른 포맷을 사용할 수 있습니다.

각 옵션 설명

MODEL : 음성 품질

OpenAI는 두 가지 주요 TTS 모델을 제공합니다: tts-1과 tts-1-hd입니다.

• tts-1 : 이 모델은 실시간 애플리케이션을 위해 최적화되어 있으며, 낮은 대기 시간(low latency)을 제공합니다. 다만, 품질 면에서는 tts-1-hd에 비해 다소 떨어질 수 있으며, 특정 상황에서는 약간의 잡음이 발생할 가능성이 있습니다​.

• tts-1-hd : tts-1 모델의 고품질 버전으로, 더 나은 음질을 제공합니다. 하지만, 이 모델은 tts-1에 비해 대기 시간이 더 길 수 있습니다. tts-1-hd는 일반적으로 음질을 중시하는 애플리케이션에 적합합니다.

VOICE : 지원 음성

OpenAI의 TTS API는 여섯 가지 기본 음성을 제공합니다. 각 음성은 고유한 특징을 가지고 있으며, 원하는 톤과 청중에 맞춰 선택할 수 있습니다.

• Alloy: 중립적이고 다재다능한 음성.

• Echo: 감정이 풍부한 음성.

• Fable: 이야기체에 적합한 음성.

• Onyx: 강렬하고 확신에 찬 음성.

• Nova: 부드럽고 따뜻한 음성.

• Shimmer: 밝고 명랑한 음성.

RESPONSE_FORMAT : 출력 포맷

TTS API는 다양한 출력 포맷을 지원하여 다양한 요구에 맞출 수 있습니다.

• mp3: 기본 출력 포맷으로, 대부분의 애플리케이션에 적합합니다.

• opus: 인터넷 스트리밍과 통신에 적합한 저지연 포맷.

• aac: 디지털 오디오 압축 포맷으로, YouTube, Android, iOS에서 선호됩니다.

• flac: 무손실 오디오 압축 포맷으로, 아카이빙에 적합합니다.

• wav: 비압축 WAV 오디오로, 저지연 애플리케이션에 적합합니다.

• pcm: 원시 샘플을 포함하는 포맷으로, 24kHz의 16비트 저지연 오디오를 제공합니다.

SPEED : 음성 재생 속도

TTS API의 속도 설정 값은 0.25에서 4.0까지 조절할 수 있으며, 기본값은 1.0입니다. 속도를 조절하면 생성된 음성의 재생 속도를 빠르게 또는 느리게 할 수 있습니다.

• 0.25

• 1.0

• 2.0

• 4.0

지원 언어 : 자동 설정 됨(Input text에 따라)

OpenAI의 TTS 모델은 40개 이상의 언어를 지원합니다. 주요 언어로는 영어, 스페인어, 중국어, 힌디어 등이 있으며, 각 언어의 텍스트를 입력하면 해당 언어로 음성을 생성할 수 있습니다.

생성형 AI와 텍스트-음성 변환 기술은 콘텐츠 제작의 혁신을 이끌고 있습니다. OpenAI의 강력한 API를 활용하면 누구나 손쉽게 고품질의 음성 콘텐츠를 제작할 수 있습니다. 앞으로도 AI 기술의 발전과 함께 더욱 다양한 응용 분야에서 혁신적인 콘텐츠가 탄생할 것입니다.

이 강의를 끝으로 ChatGPT와 생성형 AI를 활용한 콘텐츠 제작 가이드 과목을 마치도록 하겠습니다.
길었던 학습을 같이 해주셔서 감사합니다. 또 다른 유용한 과목에서 찾아뵙도록 하겠습니다.

#ChatGPT #GenAI #생성형 AI #음성 변환 #OpenAI API

다른 강의 자료