자, Voice Chaser 이야기입니다. 제가 음성 작업을 정말 많이 하기 때문에, 특히 타이핑하는 수고를 덜어내어 엄청난 양의 업무 시간을 아끼려고 직접 만든 도구입니다. 기본 아이디어는 간단했습니다. 마이크에 대고 말을 하면, 그 전사(transcription) 내용이 현재 커서 위치에 그대로 입력되게 하는 것이었죠.
처음에는 이 기능을 메인으로 생각했는데, 나중에는 최대 3개의 개별 AI를 중간에 끼워 넣을 수 있는 기능을 추가했습니다. 각 AI 단계(stage)에 어떤 프롬프트를 설정하느냐에 따라 텍스트가 변합니다. 보통은 스타일을 바꾸는 재미로 쓰는데, 영감을 주는 문체로 만들거나 아주 고풍스러운 말투를 사용하기도 합니다. 하지만 아주 자주 번역 용도로 사용합니다. 제가 말을 하면, 1단계에서 대략적으로 번역되고, 그다음 다시 교정 과정을 거쳐 현재 커서가 있는 위치에 텍스트가 출력되는 식입니다.
다음 기능은 메인 음성 파일들을 저장하는 것이었는데, 저는 NAS에 저장하고 있습니다. 이를 통해 63시간이 넘는 데이터셋이 구축되었습니다. 이 데이터를 증류(distillation)한 것이 바로 MuckyTTS의 데이터셋이 되었습니다. 또한, 이 시스템에는 저의 RAM-Diskhandler가 포함되어 있습니다. 설정 파일에 따라 필요한 AI 모델과 관련 파일들을 미리 RAM 디스크에 업로드해 주는 프로그램입니다.
말씀드린 대로 Voice Chaser는 제가 언제 어디서나 사용하는 주력 도구입니다. 참고로 지금 이 글도 이 도구로 작성하고 있습니다. 그 외에도 Voice Chaser에는 API를 통해 접근 가능한 별도의 AI를 할당할 수 있는 AI-4 슬롯 기능이 있습니다. 또 뭐가 더 있냐고요? 나머지 하부 구조에 대한 내용은 소스 코드에서 직접 확인해 보시기 바랍니다. 궁금한 점이 있다면 언제든 편하게 물어봐 주세요.
제가 좀 미친 사람이라 셋업에 모니터를 4대 이상 쓰고 있는데, 장식장 안에서 VRAM 2GB짜리 오래된 GTX 1050을 발견했습니다. 딱히 할 일도 없어서 이 작은 그래픽카드를 Voice Chaser의 폴백(fallback)용으로 전용했습니다. 메인인 3090이 바쁠 때는 자동으로 이 작은 카드로 전환되며, 거기서 "Whisper Small"이나 제가 그때그때 좋다고 생각하는 최신 모델이 돌아갑니다.
추가로 시스템 전체에 스트림 기능이 있어서 매번 버튼을 누를 필요가 없습니다. 참고로 아마존에서 8유로 정도에 산 오래된 USB 키패드를 개조해서 일종의 'Stream Deck Lite'처럼 만들었습니다. 이 USB 키패드를 모딩해서 지금처럼 받아쓰기를 시작하고 종료하는 버튼으로 사용하고 있습니다. 즉, 버튼 누르고, 말하고, 버튼 누르고, 잠시 기다리면 텍스트가 정확히 커서 위치에 나타나는 방식입니다.
그리고 거기에 스트림 버튼도 배치했습니다. 스트림을 활성화하면 쉼표나 마침표 없이 그냥 계속 떠들어도 전체 체인을 거쳐 결국 커서 위치에 텍스트가 출력됩니다. 이 기능은 뒤에 연결된 AI 시스템들과도 함께 작동합니다.
Gallery




