“시리야” 하고 부르면 AI가 알아듣고, 내비게이션이 길을 음성으로 안내해주죠. 이렇게 말을 글로, 또 글을 말로 바꾸는 게 음성 AI예요. 각각 STT와 TTS라고 불러요.
오늘은 이 두 가지가 뭔지, 어디에 쓰이는지 쉽게 풀어볼게요. 이름만 알면 정말 간단해요.
STT — 말을 글로 바꾸기 (받아쓰기)
STT는 ‘Speech to Text’, 즉 음성을 글자로 바꾸는 거예요. 우리가 말하면 AI가 받아쓰는 거죠. 영상 자동 자막, 회의록 자동 작성, 음성 검색이 다 STT예요.
TTS — 글을 말로 바꾸기 (읽어주기)
TTS는 ‘Text to Speech’, 글자를 음성으로 바꾸는 거예요. AI가 글을 사람 목소리로 읽어주는 거죠. 오디오북, 내비 안내, 화면 읽어주기 기능이 TTS예요.
| 구분 | 방향 | 예시 |
|---|---|---|
| STT | 말 → 글 | 자동 자막, 받아쓰기 |
| TTS | 글 → 말 | 오디오북, 음성 안내 |
요즘 얼마나 좋아졌나요?
예전엔 기계음 티가 확 났는데, 이제는 진짜 사람과 구분이 안 갈 만큼 자연스러워졌어요. 억양, 감정, 숨소리까지 표현해요. 외국어를 실시간으로 알아듣고 번역해 읽어주는 것도 STT와 TTS의 합작이에요.
주의할 점 — 목소리도 복제돼요
기술이 좋아진 만큼 위험도 생겼어요. 몇 초의 목소리만 있으면 그 사람 목소리를 똑같이 흉내낼 수 있게 됐거든요. 이걸 악용한 보이스피싱도 등장했어요. (이 ‘진짜 같은 가짜’ 문제는 다음 편 딥페이크에서 자세히 다룰게요.)
자주 묻는 질문 (FAQ)
Q. STT는 사투리나 외국어도 알아듣나요?
점점 잘 알아들어요. 다만 사투리, 전문용어, 시끄러운 환경에서는 아직 실수가 있어요.
Q. TTS 목소리를 내 맘대로 고를 수 있나요?
네. 성별·나이·톤이 다른 여러 목소리를 제공하는 서비스가 많아요.
Q. LLM이랑 음성 AI는 같은 건가요?
달라요. LLM은 글을 다루고, STT·TTS는 음성을 다뤄요. 요즘은 둘을 합쳐서 ‘말로 대화하는 AI’를 만들어요.
정리
STT는 말을 글로(받아쓰기), TTS는 글을 말로(읽어주기) 바꾸는 음성 AI예요. 자막·음성비서·오디오북에 두루 쓰이고, 요즘은 사람과 구분이 안 될 만큼 자연스러워졌어요. 다만 목소리 복제 악용은 조심해야 해요.
다음번엔 “딥페이크 — 진짜 같은 가짜의 원리”를 정리해볼게요. 유명인이 하지도 않은 말을 하는 그 가짜 영상이 어떻게 만들어지는지 풀어볼게요!