엔씨소프트가 게임 음성제작 과정 전반에 활용할 수 있는 인공지능(AI) 모델 ‘제로샷 멀티버스(Zero-shot Multi-verse TTS)’를 8일 공개했다.
TTS(Text to Speech)는 자연어를 입력해 캐릭터 목소리 같은 음성 콘텐츠를 제작하는 음성 합성 기술이다.
엔씨가 공개한 멀티버스 TTS는 3초 분량의 프롬프트 음성만으로도 ▲다양한 발화 스타일 변환 ▲화자 음색 일치도가 높은 교차 언어 생성 ▲다국어 음성 제작이 가능하다.
또, 단일 모델로 구동할 수 있다. 멀티버스 TTS는 여러 가지 언어와 기능을 가진 TTS를 하나의 모델로 제공해 다국어 음성 콘텐츠를 제작한다. 최적화된 하나의 모델을 활용하는 만큼 경쟁 TTS 모델보다 상대적으로 적은 운용 비용으로 고품질의 음성 생성 서비스를 제공한다는 게 엔씨의 설명이다.
엔씨는 향후 멀티버스 TTS 기술을 게임 음성 제작 과정 전반에 활용해 고품질의 풍부한 AI 캐릭터 보이스 제작하고 기존 음성 작업에 들던 시간과 비용을 크게 절감할 계획이다.
엔씨는 멀티버스 TTS 모델 논문을 세계적인 권위를 갖는 인공지능 관련기술 학회 ‘EMNLP(자연어처리에 대한 경험적 방법론 학회)’에 게재하기도 했다.
엔씨 관계자는 “글로벌 게임 출시를 위해 다국어 음성 AI 연구 개발에 매진하고 있다”며 “이번 멀티버스 TTS를 시작으로 연내 100종의 게임 캐릭터 음성을 제작하고 NPC의 성격과 상황에 맞춰 음성을 제작하는 조절 기능을 지속 개발하는 것이 목표”라고 말했다.