아마존 폴리 양방향 스트리밍 API 소개 및 활용 가이드

소개

현대의 대화형 AI 어플리케이션은 실시간 상호작용을 위한 신속한 음성 합성을 요구합니다. 이번 글에서는 아마존 폴리의 새로운 양방향 스트리밍 API를 소개하고, 이를 통해 실시간 텍스트-음성(TTS) 합성을 구현하는 방법을 안내합니다.

본문

이해해야 할 기본 개념

기존의 텍스트-음성 변환 API는 요청-응답 패턴을 따릅니다. 완전한 텍스트를 수집한 후 합성 요청을 했어야 하며, 이는 속도와 상호작용 면에서 한계를 가져왔습니다. 그러나 새로운 아마존 폴리 API는 HTTP/2를 활용해 텍스트 입력과 음성 출력을 동시에 처리할 수 있습니다.

새로운 API 작동 방식

StartSpeechSynthesisStream API는 혁신적인 방식을 도입하여 대화형 AI에서의 지연 문제를 해결합니다. 주요 기능으로는 텍스트를 병행해서 전송하고, 생성된 음성을 실시간으로 받아볼 수 있으며, 연결 내 양방향 통신이 가능하다는 것입니다.

전통적인 방식과의 비교

과거에는 낮은 지연(TTS)을 위해 서버-측 텍스트 분리 로직과 여러 API 병렬 호출이 필요했습니다. 반면 양방향 스트리밍은 이러한 절차를 생략하며 단일 HTTP/2 스트림으로 텍스트 입력과 음성 출력을 동시에 수행합니다.

성능 벤치마크

기존의 SynthesizeSpeech API와 양방향 StartSpeechSynthesisStream API를 비교해보면, 후자가 39% 빠른 처리 시간을 제공합니다. AWS SDK를 통해 구현이 가능하며, Java, JavaScript, .NET 등의 다양한 언어를 지원합니다.

결론

아마존 폴리의 양방향 스트리밍 API는 대화형 AI 구현에 있어 중요한 진전을 의미합니다. 텍스트 생성 중에도 음성을 재생할 수 있어 사용자 경험이 대폭 향상됩니다. 다양한 분야에서 응용이 가능하며, 간소화된 아키텍처로 운영 비용을 줄일 수 있습니다.

[1] https://aws.amazon.com/blogs/machine-learning/introducing-amazon-polly-bidirectional-streaming-real-time-speech-synthesis-for-conversational-ai/