정의
운율은 단어 너머에서 말의 소리를 빚어내는 높낮이, 리듬, 강세, 속도, 음량, 멈춤의 패턴입니다. 질문, 강조, 감정, 화자가 곧 말을 멈추려 한다는 신호를 전달합니다.
운율의 작동 방식
같은 말이라도 어떻게 말하느냐에 따라 뜻이 달라질 수 있습니다. “오는 거야”는 올라가면 질문이 되고 내려가면 평서문이 됩니다. 강세는 문장의 초점을 옮깁니다. “그가 그걸 가져갔다고 말한 적은 없어”는 강조하는 단어마다 뜻이 달라집니다. 속도와 멈춤은 절의 경계를 표시하며, 더 느리고 조용한 말투는 미안해하거나 진지하게 들립니다.
음성 합성에서 운율은 명시적으로 풀어야 할 문제 중 하나입니다. W3C의 SSML 사양은 운율 분석을 처리 단계의 하나로 들고, 작성자가 높낮이, 말하기 속도, 음량, 멈춤에 영향을 줄 수 있는 마크업을 정의합니다. 또한 작성자가 지정한 운율과 프로세서가 스스로 정하는 운율을 섞으면 프로세서마다 다른 방식으로 상호작용할 수 있어 시스템마다 결과가 달라진다고 경고합니다.
신경망 음성 모델은 녹음된 음성에서 이 중 많은 부분을 스스로 학습하므로, 일반 텍스트에서 읽은 문장도 이미 그럴듯한 강세와 리듬을 지닙니다. 그다음 제어 항목이 이를 조정합니다. 많은 서비스가 요청마다 말하기 속도, 음량, 감정 설정을 받고, 일부는 답변을 쓴 LLM이 턴마다 이를 고르도록 허용합니다.
음성 에이전트에게 중요한 이유
운율은 답변이 의도를 갖고 말해진 것처럼 들리게 하는 요소입니다. 사과를 밋밋하게 읽거나 사실을 말하는 문장에 올라가는 어조를 쓰면, 올바른 답변도 무성의하거나 불확실하게 들릴 수 있습니다. 숫자에도 리듬이 필요합니다. 카드 번호를 짧은 멈춤을 두고 묶음으로 읽으면, 끊김 없이 읽을 때보다 훨씬 따라가고 받아 적기 쉽습니다.
반대 방향으로도 작용합니다. 사람들은 말을 마쳤거나 이어 가려 한다는 것을 보이기 위해 높낮이와 멈춤을 사용하며, 좋은 턴테이킹 시스템은 침묵만이 아니라 그런 단서를 활용할 수 있습니다.
운율은 귀로 판단합니다. 평균 의견 점수처럼 청취자가 자연스러움을 평가하는 방식이 표준적인 확인 방법입니다.
예시
음성에 대한 설명용 지시입니다. “잔액은 1,204달러입니다”를 차분한 속도로 읽고, “잔액은” 뒤에서 짧게 멈추고, 문장이 끝났음을 알리기 위해 마지막 단어에서 음을 낮춥니다.