TTS 호출 더미 말고, 목소리 엔진을 지어
Bellows가 어떻게 태어났는지에 대한 이야기야. CWK의 canonical 목소리 엔진이자, 이미지 엔진 Ember랑 음악 엔진 Bonfire의 voice 쪽 형제. provider 계정이랑 합성 캐시랑 유료요청 복구랑 오디오 재생을 앱마다 날 TTS 호출로 흩뿌리는 대신 엔진 하나가 통째로 쥐는 이유, 그리고 그 설계 하나하나가 '말하는 방식을 갖는다'는 게 뭔지 어떻게 가르쳐주는지.
8 tracks · 36 lessons · ~6h · difficulty: intermediate-to-advanced
Bellows가 뭔지, 이름은 어디서 왔는지, 목소리 엔진이 왜 자기 repo를 갖는지
아키텍처 얘기 전에 방향부터 잡자. Bellows는 CWK의 canonical 목소리 엔진이야. API 키 하나 감싼 wrapper도 아니고, 두 번째 피파도, Streamlit 대시보드도 아니야. 이 트랙에선 파이어 패밀리 이름이 어디서 왔는지 풀고, 메커니즘은 엔진이 갖고 정체성은 brain이 지킨다는 선을 굵게 그어. 엔진이 자기가 만들지 않은 건 절대 안 믿는 이유도 짚고, voice 축에서 Firekeeper 맞은편에 Bellows를 세워. 하나는 귀, 하나는 입이야.
happy path: 정규화, 해석, 캐시-or-결제, 재생
이제 파이프라인이야. 이 트랙은 기본 경험을 처음부터 끝까지 걸어. 붙여넣기 칸을 방 안의 목소리로 바꾸는 네 단계, 그리고 그 느낌을 빚는 제품 결정 두 개. '바로 느껴질 만큼 빠르게'는 캐시 히트가 공짜라서 되는 거고, 조용한 Simple 모드 위에 옵트인 Verbose 설명기가 얹혀. Verbose는 안내만 바꾸고 동작은 안 건드려. 그리고 Speak 버튼은 마지막에 고른 profile을 기억해.
provider ID는 identity가 아니라 binding, 엔진 심장에 박힌 다형성
엔진의 중심 아이디어야. 그리고 제일 객체지향적인 조각이고. provider voice ID는 누가 말하는지가 아니야. logical profile을 소리 나게 만드는, 계정마다 다른 한 방법일 뿐이지. 이 트랙에선 안정된 alias(pippa, cwk)를 그 밑의 갈아끼울 수 있는 binding에서 떼어내. 그 나눔을 교과서적 다형성으로 읽고, 없는 binding은 엉뚱한 목소리로 때우는 대신 loud-fail 하라고 못 박고, 원본 목소리랑 그 clone의 진짜 정책까지 걸어.
content-addressed cache identity: 소리를 바꾸는 건 다 키에 들어가
돈이 걸려 있으니까 캐시가 정확히 맞아야 해. 이 트랙에선 합성 identity를 지어. 정규화한 텍스트에, 오디오를 바꿀 수 있는 설정·binding·버전·사전·언어·seed·context 값을 다 담은 content-addressed 키야. 거기서 보증이 줄줄이 나와. 한 identity는 진행 중인 유료 합성 하나만 쥐고, 파일은 검증되고 원자적으로 rename된 뒤에야 캐시 항목이 되고, 평범한 요청은 사적 텍스트 대신 해시랑 길이만 로깅해.
ambiguous 결과, 후처리 전 receipt, 그리고 두 번 안 내고 고치기
제일 어려운 트랙이야. 돈이랑 불확실성이 여기서 만나거든. 유료 provider 호출이 이미 청구된 뒤에 타임아웃 날 수 있어. 낸 만큼 받았는지 모르는 채로. 이 트랙에선 그걸 견딜 규율을 지어. 제출 뒤 타임아웃은 맹목 재시도 대신 'ambiguous'가 돼. receipt는 후처리보다 먼저 저장하고. 돌아온 chunk는 잇기 전에 durable lineage로 복사해. 복구는 다시 사는 대신 이미 낸 걸 재사용하고. 두 번째 결제는 오직 사람이 대놓고 허락할 때만 일어나.
프로세스 하나, worker 하나, 소유한 디바이스 하나, 그리고 loud-fail
합성은 일의 절반일 뿐이야. 소리가 실제로 스피커에 닿아야 하거든. 믿을 만하게, 엉뚱한 데로는 절대 안 가고. 이 트랙은 출력을 직접 쥐는 얘기야. shadow daemon을 안 낳는 launchd 프로세스 하나, 앱 lifespan 안에 사는 영속 오디오 worker, 사적인 소리를 딴 데로 흘리느니 요란하게 실패하는 기기 해석. 여기에 평범한 HTTP랑 사설 TLS를 깔끔하게 갈라놓는 방식까지. 마지막으로 opt-out이고 quiet hours를 지키는 ambient announcement도 다뤄.
정규화, 발음 사전, 그리고 Konglish를 제자리에 묶어두기
목소리 엔진의 안 화려한 심장이야. 날것의 텍스트는 말할 수 있는 텍스트가 아니거든. 이 트랙에선 엔진이 두 언어를 깔끔하게 말하도록 가르쳐. 왜 정규화가 먼저 돌고 cache identity까지 먹이는지 보고, 왜 발음의 진실이 Bellows 한 군데에만 사는지 따져. 한국어 문맥 규칙이 평범한 영어를 안 건드리게 가두는 법도 배우고. chunking은 줄바꿈에서 딱 끊고 홀로 선 영어를 떼어내. 단어는 온전히, 문장은 붙어 있게. 마지막은 첫 canary로 닫아. 짧은 문장 하나를 합성하고 검증하고 캐시하고 재생한 다음, 다시 부르면 공짜라는 걸 증명하는 이야기.
content-addressed 프로덕션, 안전한 삭제, 그리고 퀘스트를 닫는 베팅
마지막 트랙은 살아 도는 엔진에서 손으로 만드는 프로덕션으로 옮겨가고, 거기서 다시 이 모든 것 밑에 깔린 논거로 내려가. Studio는 content-addressed 프로덕션 lineage야. project랑 utterance랑 take가 있고, 원본이랑 clone을 갈아 끼워보는 recast가 있고, 공유 오디오를 절대 방치하지 않는 삭제가 있어. 그리고 마무리. 왜 TTS SaaS를 빌리는 대신 목소리 엔진을 직접 지어서 갖는지, 그 소유가 실제로 뭘 사주는지, 마지막으로 목소리 엔진이 제 입으로 들려주는 이야기까지.
아직 댓글이 없어요. 첫 댓글을 남겨보세요.