쉬운 음성 스카이프 통합 시스템

초록

EasyVoice는 음성 장애인을 위해 텍스트‑투‑스피치(TTS) 엔진을 Skype와 직접 연동한 통신 솔루션이다. 사용자는 키보드나 특수 입력 장치로 텍스트를 입력하면 실시간으로 합성 음성이 생성되어 Skype 통화 상대에게 전달된다. 시스템은 낮은 지연시간, 사용자 친화적인 UI, 그리고 기존 Skype 프로토콜과의 호환성을 목표로 설계되었으며, 실제 사용자 실험을 통해 의사소통 효율이 크게 향상됨을 확인하였다.

상세 분석

EasyVoice는 세 가지 핵심 모듈로 구성된다. 첫 번째는 입력 모듈로, 일반 키보드뿐 아니라 스위치, 눈동자 추적, 머리 움직임 센서 등 다양한 보조 입력 장치를 지원한다. 이를 통해 근육 제어가 제한된 사용자가 최소한의 물리적 움직임으로 텍스트를 입력할 수 있다. 두 번째는 텍스트‑투‑스피치(TTS) 엔진이다. 논문에서는 기존 상용 TTS 엔진을 API 형태로 호출하는 방식을 채택했으며, 음성 품질과 발음 정확도를 높이기 위해 사용자 맞춤형 발음 사전을 제공한다. 특히, 실시간 합성을 위해 버퍼링 전략을 적용해 입력 텍스트를 일정 길이 단위로 분할하고, 각 구간을 병렬 처리함으로써 평균 지연시간을 150 ms 이하로 유지한다. 세 번째는 Skype 연동 모듈이다. Skype의 공개 API와 SIP 프로토콜을 활용해 합성된 오디오 스트림을 가상 마이크 디바이스로 삽입한다. 이 과정에서 오디오 포맷 변환(PCM 16‑bit, 44.1 kHz)과 에코 캔슬레이션을 자동으로 수행해 통화 품질 저하를 최소화한다.

시스템 설계 시 고려된 주요 기술적 과제는 다음과 같다. (1) 지연 최소화: TTS와 오디오 전송 사이의 파이프라인을 최적화해 인간 대화 수준의 응답성을 확보했다. (2) 호환성: Windows, macOS, Linux 등 다중 플랫폼에서 동작하도록 모듈을 독립적인 DLL/so 형태로 구현했으며, Skype 클라이언트 버전 변화에 대비해 추상화 레이어를 두었다. (3) 보안 및 프라이버시: 텍스트 데이터는 로컬에서만 처리하고, 네트워크 전송은 암호화된 오디오 스트림만을 사용해 개인 정보 유출 위험을 최소화했다. (4) 사용자 경험(UX): UI는 대형 버튼, 색 대비가 높은 레이아웃, 그리고 텍스트 자동 완성 기능을 제공해 인지 부하를 줄였다.

평가 실험에서는 12명의 음성 장애인 참가자를 대상으로 30분간의 실제 Skype 통화를 진행했다. 결과는 평균 대화 지속 시간(전통적인 문자 채팅 대비) 2.3배 증가, 의사소통 만족도 점수 4.6/5(최고 5점) 등 긍정적인 지표를 보였다. 또한, 기술적 측면에서 패킷 손실률 0.2% 이하, 오디오 품질 MOS 4.2점을 기록해 기존 음성 합성 기반 VoIP 솔루션과 동등하거나 우수한 성능을 입증했다.

한계점으로는 TTS 엔진의 언어 지원 범위가 제한적이며, 복잡한 문장 구조에서 발음 오류가 발생할 수 있다는 점을 들었다. 또한, 고품질 오디오를 위해 CPU 사용량이 상승해 저사양 기기에서는 배터리 소모가 급증한다는 문제가 있다. 향후 연구에서는 딥러닝 기반의 다국어 TTS 모델을 통합하고, 에너지 효율을 고려한 경량화 알고리즘을 도입해 이러한 제약을 극복하고자 한다.