플러스프로젝트 배경
문제점 - 개인화 부족: 기존 TTS 시스템은 범용 음성을 사용해 몰입감이 낮고, 개인 음성이 중요한 엔터테인먼트·접근성·고객 서비스 분야에서 한계가 있습니다. - 품질 제약: 낮은 샘플링 레이트와 단조로운 음색, 감정 표현 부족으로 자연스러운 사용자 경험을 제공하지 못합니다. - 인프라 제약: 클라우드 의존도가 높아 보안·지연 문제가 발생하며, 온프레미스 확장이 어렵습니다. - 복잡한 통합: 엔터프라
프로젝트 성과
음성 복제 정확도
화자 임베딩의 코사인 유사도(cosine similarity) 기준 90–95%의 화자 유사도 점수를 달성하여, 참조 음성과 톤·스타일·정체성이 매우 유사한 복제 음성을 제공합니다.
오디오 품질
75 kHz 샘플링 레이트로 합성 음성을 생성하여 스튜디오 수준에 가까운 명료성과 자연스러움을 구현합니다. MOS 평가에서 명료성과 자연스러움 모두 5.0 중 4.2 이상을 목표로 합니다.
저지연 추론
최적화된 백엔드(FastAPI + vLLM + TorchServe)를 통해 10초 분량 오디오를 평균 1.5초 이내에 실시간 생성합니다.
처리량 및 확장성
서버 인스턴스당 100개 이상의 동시 요청을 처리할 수 있으며, 수평 확장을 통해 대규모 사용자 기반을 위한 엔터프라이즈급 배포를 지원합니다.
참조 효율성
단 30초 길이의 참조 음성만으로 고품질 클론 음성을 생성할 수 있어, 사용자 온보딩 복잡성을 최소화합니다.
핵심 기능
고품질 음성 복제
시스템은 약 30초 길이의 참조 음성을 기반으로 사용자의 음성을 복제하며, 톤, 스타일, 감정 표현을 그대로 보존합니다. 75 kHz의 샘플링 레이트로 스튜디오 수준에 가까운 고품질 오디오 출력을 제공합니다.
진행 단계
연구 및 시스템 설계
2023.12.
요구사항 분석을 수행하고, 최신 Diffusion 기반 음성 복제 모델을 검토하며 전체 시스템 아키텍처를 설계합니다. 데이터셋 필요 사항, 백엔드 구조, 배포 전략(클라우드 및 온프레미스)을 정의합니다.
프로젝트 상세
Voice Cloning 시스템은 사용자의 짧은 음성 샘플을 기반으로 고품질로 음성을 복제하는 AI 음성 합성 솔루션입니다.입력된 음성을 사용자의 클론 음성으로 변환해 개인 맞춤형 TTS, 콘텐츠 제작, 접근성 지원, 기업 커뮤니케이션 등 다양한 분야에 활용할 수 있습니다. 핵심은 약 30초 분량의 참조 음성을 사용하는 Diffusion 기반 생성 모델로, 원 음성의 톤·스타일·감정 표현을 정밀하게 재현
