엔씨소프트는 게임 음성제작 과정 전반에 활용할 수 있는 AI 모델 'Zero-shot Multi-verse(제로샷 멀티버스) TTS(이하 멀티버스 TTS)'를 8일 공개했다.
TTS(Text to Speech)는 자연어를 입력해 캐릭터 목소리 같은 음성 콘텐츠를 제작하는 음성 합성 기술이다. 엔씨소프트가 공개한 '멀티버스 TTS'는 3초 분량의 프롬프트 음성만으로도 다양한 발화 스타일 변환, 화자 음색 일치도가 높은 교차 언어 생성, 다국어 음성 제작이 가능하다.
엔씨소프트는 '멀티버스 TTS' 기술을 게임 음성 제작 과정 전반에 활용할 계획이다. 이 모델을 활용하면 제한된 음성 리소스를 활용해 고품질의 풍부한 AI 캐릭터 보이스 제작이 가능해 기존 음성 작업에 소요되던 시간과 비용을 크게 절감할 수 있다고 엔씨소프트는 강조했다.
단일 모델로 구동이 가능한 점도 특징이다. '멀티버스 TTS'는 여러가지 언어와 기능을 가진 TTS를 하나의 모델로 제공해 다국어 음성 콘텐츠를 제작한다. 최적화된 하나의 모델을 활용하는 만큼 경쟁 TTS 모델에 비해 상대적으로 적은 운용 비용으로 고품질의 음성 생성 서비스를 제공한다고 회사측은 전했다.
엔씨소프트는 단일 모델로 다양한 스타일의 언어와 음성을 생성하는 '멀티버스 TTS' 모델 논문을 세계적인 권위를 갖는 인공지능 관련기술 학회 'EMNLP(Empirical Methods in Natural Language Processing)'에 게재하며 글로벌 기술력 입증에도 성공했다고 밝혔다.
또 엔씨소프트는 글로벌 게임 출시를 위해 다국어 음성 AI 연구 개발에 매진하고 있다고 전했다. 이번 '멀티버스 TTS'를 시작으로 연내 100종의 게임 캐릭터 음성을 제작하고, NPC의 성격과 상황에 맞춰 음성을 제작하는 조절 기능을 지속 개발하는 것이 목표라고 강조했다.
남정석 기자 bluesky@sportschosun.com